issuesinbayesiannetworks内容摘要：
公式获得。 ( , , )( , )( | )( ) ( )yP X e YP X eP X eP e P e 有了上式，我们可以得到一个解决推理问题的算法。 以一个链状的贝叶斯网络为例 已知 P(A) P(B|A) P(C|B) P(D|C) 计算 P(D) A B C D 根据公式 我们有 很自然，我们可以将上式变为 ( , , )( , )( | ) ( ) ( )yP X e YP X eP X e P e P e, , , ,( ) ( , , , ) ( ) ( | ) ( | ) ( | )A B C A B CP D P A B C D P A P B A P C B P D C( ) ( | ) ( | ) ( ) ( | )C B AP D P D C P C B P A P B A 计算 P(D)方法如下 1， CPT是贝叶斯网络的条件概率分布集合 CPT={P(A)， P(B|A)， P(C|B)， P(D|C)} 2，从 CPT中删去含有 A的函数 P(A)， P(B|A)。 加入一个新函数 得到新的 CPT={f(B)， P(C|B)， P(D|C)} ( ) ( ) ( | )Af B P A P B A 3，从 CPT中删去。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。