贝叶斯网络证据剪枝方法提出

1. 12:00
   arXiv · Machine Learning

   用于近似结果预测的贝叶斯网络轨迹加权影响分数

   该研究考察贝叶斯网络中的轨迹加权证据剪枝：遍历证据节点到结果的 active trails，以边强度乘积评分并丢弃低于阈值的证据。对二值、无碰撞器的链和分叉网络，轨迹分数等于端点精确相关性，并可在特定分支条件下界定剪枝后验误差。随机树模拟中，该评分较同规模随机剪枝的误差低1.4至13倍；在七个 bnlearn 网络上均优于随机剪枝，但未显示加速。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。