推斷高斯貝葉斯網絡

Question

我有涉及部分溯因推理高斯貝葉斯網絡（貝葉斯網絡容納隨機變量的持續性，並按照聯合高斯分佈）的一些問題...

我的問題是：

1. 像高斯貝葉斯網絡的情況下，結點樹的傳播算法可以適用於離散變量貝葉斯網絡嗎？
2. 如果沒有，那麼哪些算法適用於高斯貝葉斯網絡？
3. 在高斯貝葉斯網絡的情況下是否有任何複雜度證明用於部分推斷推理（因爲已知在離散變量貝葉斯網絡的情況下該任務是NP-hard）？
4. 進化算法或MCMC採樣準則可應用於高斯貝葉斯網絡中的近似部分推斷推理嗎？

如果您對我有所幫助，我將非常感謝您。在此先感謝...

Answer 1

信念傳播是一種基於消息傳遞的通用推理算法，需要兩個操作sum（）和product（），它們可以輕鬆實現高斯變量。

結點樹的傳播是信息傳播在樹上運行的一個特例，因此它也可以應用於高斯貝葉斯網絡。

那些書在一些細節上解釋了連續貝葉斯網絡推論：

• 克里斯托弗M.主教。模式識別與機器學習（信息科學與統計），2009
• Daphne Koller，Nir Friedman。 Probabilistic Graphical Models，Principles and Techniques，2009