Standard

Локальный апостериорный вывод в алгебраических байесовских сетях: матрично-векторная интерпретация. / Золотин, А. А.; Тулупьев, А. Л.

Материалы XVIII Международной конференции по мягким вычислениям и измерениям (SCM'2015). 2015. p. 34-37.

Research output: Chapter in Book/Report/Conference proceedingConference contribution

Harvard

APA

Vancouver

Золотин АА, Тулупьев АЛ. Локальный апостериорный вывод в алгебраических байесовских сетях: матрично-векторная интерпретация. In Материалы XVIII Международной конференции по мягким вычислениям и измерениям (SCM'2015). 2015. p. 34-37

Author

Золотин, А. А. ; Тулупьев, А. Л. / Локальный апостериорный вывод в алгебраических байесовских сетях: матрично-векторная интерпретация. Материалы XVIII Международной конференции по мягким вычислениям и измерениям (SCM'2015). 2015. pp. 34-37

BibTeX

@inproceedings{8c09991584334919ba1e0c1239c64603,
title = "Локальный апостериорный вывод в алгебраических байесовских сетях: матрично-векторная интерпретация",
abstract = "This paper considers the application of previously derived matrix-vector algorithms for local posteriori inference. Normalizing factors construction examples are given for all three types of evi- dences. The linear programming problem formulation for interval evidence is described.",
keywords = "algebraic Bayesian networks, posteriori inference, inference algorithms, evidence propagation, knowledge pattern, probabilistic-logic inference, uncertain knowledge",
author = "Золотин, {А. А.} and Тулупьев, {А. Л.}",
year = "2015",
language = "русский",
pages = "34--37",
booktitle = "Материалы XVIII Международной конференции по мягким вычислениям и измерениям (SCM'2015)",

}

RIS

TY - GEN

T1 - Локальный апостериорный вывод в алгебраических байесовских сетях: матрично-векторная интерпретация

AU - Золотин, А. А.

AU - Тулупьев, А. Л.

PY - 2015

Y1 - 2015

N2 - This paper considers the application of previously derived matrix-vector algorithms for local posteriori inference. Normalizing factors construction examples are given for all three types of evi- dences. The linear programming problem formulation for interval evidence is described.

AB - This paper considers the application of previously derived matrix-vector algorithms for local posteriori inference. Normalizing factors construction examples are given for all three types of evi- dences. The linear programming problem formulation for interval evidence is described.

KW - algebraic Bayesian networks

KW - posteriori inference

KW - inference algorithms

KW - evidence propagation

KW - knowledge pattern

KW - probabilistic-logic inference

KW - uncertain knowledge

M3 - статья в сборнике материалов конференции

SP - 34

EP - 37

BT - Материалы XVIII Международной конференции по мягким вычислениям и измерениям (SCM'2015)

ER -

ID: 4739564