Алгебраические байесовские сети: использование канонического представителя фрагмента знаний при локальном выводе

 

Теория вероятностных графических моделей — это система, изучающая подходы к представлению и работе с вероятностными зависимостями между переменными. Вместо того, чтобы хранить все возможные совместные распределения вероятностей, она использует графическое представление, которое отражает условные зависимости между переменными.

Вероятностные графические модели имеют широкое распространение в компьютерном зрении, где необходимо распознавать изображения или осуществлять их сегментацию, в обработке естественного языка для анализа текста или распознавания речи и во многих других.
Одним из представителей таких моделей является алгебраическая байесовская сеть (АБС), одним из представлений которой является граф, в котором в узлах находятся модели фрагмента знаний (ФЗ), а рёбра показывают их взаимно-однозначное соответствие. Каждым элементам ФЗ приписывается оценка — скалярная или интервальная.

В случае, если узлы алгебраической байесовской сети представлены интервальными оценками, её обработка может занимать длительное время и вследствие дефицита вычислительных ресурсов возникает задача поиска канонического представителя, то есть перехода от интервальных оценок к скалярным.

В результате работы был спроектирован и реализован алгоритм, позволяющий переходить от интервальных оценок к скалярным, который позволяет работать с АБС при ограниченных вычислительных ресурсах.