==================Overview: Structured CPDs============
1.缺点:当父节点多时(k个),整个表有2^k这么多项!
2.有好多其他可选择的方法
3.条件相互独立性
4.小例子
================Tree-Structured CPDs================
1.注意:中间节点代表考虑该因素。
2.注意看路径想独立性
3.选择推荐信下的树
4.微软用贝叶斯网络找打印机错误
=============Independence of Causal Influence=============
1.当有多个父亲节点时,TREE CPD也不给力!
2.使用NOISY OR CPD解决多父亲问题。引入中间变量Z,表示X对Y的影响程度。
3.多了层节点,多了层逻辑关系
4.SIGMOID CPD,注意概率在0--1之间
5.一个医疗诊断系统的图例,就用上图的方法
=================Continuous Variables =====================
1.条件线性高斯。温度不是确定的。满足高斯分布。而SOON温度与NOW温度、OUTSIDE和DOOR的
开关有关系。也满足“组合”高斯分布。在DOOR的条件下,又称为条件线性高斯。
2.线性高斯的具体定义。分布的MEAN是线性函数。偏差固定。
3.条件线性高斯,其Y的分布在离散变量A的控制下。
4.机器位置模型。机器人的下一位置是有偏差的。偏差会越来越大。