Алгебраические байесовские сети относятся к классу вероятностных графических моделей. Такие сети позволяют обрабатывать скалярные и интервальные оценки вероятности истинности пропозиций, соответствующих утверждениям, где все множество утверждений декомпозируется на наборы — фрагменты знаний. При практическом использовании аппарата алгебраических байесовских сетей характерным является то, что время обработки интервальных оценок на несколько порядков выше аналогичного времени в случае скалярных оценок. В целях оптимизации сложности работы за счет использования скалярных оценок ранее был предложен подход к переходу от модели с интервальными оценками к модели со скалярными, или, другими словами, поиску приближенного канонического представителя фрагмента знаний алгебраической байесовской сети. В данной работе изучается поиск точного канонического представителя фрагмента знаний, что рассматривается впервые. Такое построение позволит дать выигрыш по времени при использовании фрагментов знаний, сформированных на алфавитах небольшой мощности. В ходе исследований было обнаружено, что алгоритм точной генерации в случае фрагмента знаний мощности 1 работает почти мгновенно, в случае фрагмента знаний мощности 2 –– быстрее в 30 раз, чем текущий алгоритм приближенной генерации, в случае мощности 3 — в 1.5–2 раза быстрее. Данный подход является особенно актуальным с учетом того, что в теории алгебраических байесовских сетей предполагаемые к использованию на практике фрагменты знаний будут иметь небольшие размеры.
Original languageRussian
Title of host publicationXXVII Международная конференция по мягким вычислениям и измерениям (SCM-2024). Сборник докладов.
PublisherИздательство СПбГЭТУ "ЛЭТИ"
Pages56-60
Number of pages5
ISBN (Electronic)978-5-7629-3360-5
StatePublished - 24 May 2024
Event2024 XXVII International Conference on Soft Computing and Measurements (SCM) - Санкт-Петербург, Russian Federation
Duration: 22 May 202424 May 2024
https://ieeexplore.ieee.org/xpl/conhome/10554068/proceeding

Conference

Conference2024 XXVII International Conference on Soft Computing and Measurements (SCM)
Country/TerritoryRussian Federation
CityСанкт-Петербург
Period22/05/2424/05/24
Internet address

ID: 124155647