貝葉斯網引論
貝葉斯網的理論是將機率的距離、統計套用於複雜系統的不確定性推理和數據解析的一種有效工具，它起源於20世紀80時年代中期對人工智慧中的不確定性問題的研究，近年來在國際上的影響不斷增強。貝葉斯網引論包括機率論及貝葉斯網的基本概念、貝葉斯網推理、貝葉斯網學習，以及貝葉斯網在中醫中的貫徹套用。而貝葉斯網論叢書系統介紹論述了貝葉斯網的基本理念、算法及其套用的中文專著。
圖書
書名:貝葉斯網引論
圖書編號:2012206
出版社:科學出版
定價:58.0
ISBN:703018170
作者:張連文
出版日期:2006-11-01
版次:1
開本:16開
簡介:
貝葉斯網是將機率、統計套用於複雜系統的不確定性推理和數據分析的一種有效工具，它起源於20世紀80年代中期對人工智慧中的不確定性問題的研究，近年來在國際上的影響不斷擴大。本書是第一本系統論述貝葉斯網的基本理論、算法及其套用的中文專著。內容包括機率論及貝葉斯網基本概念、貝葉斯網推理、貝葉斯網學習，以及貝葉斯網在中醫中的套用四大部分。本書從實例出發，由淺入深，直觀與嚴謹相結合，並提供了詳盡的參考文獻。本書的讀者對象是相關專業的高年級本科生、研究生和科研人員。
目錄:
第一部分 貝葉斯網基礎
第1章 機率論基礎
1.1 隨機事件與隨機變數
1.2 機率的解釋
1.3 多元機率分布
1.4 機率論與人工智慧
1.5 資訊理論基礎
第2章 貝葉斯網
2.1 不確定性推理與聯合機率分布
2.2 條件獨立與聯合分布的分解
2.3 貝葉斯網的概念
2.4 貝葉斯網的構造
2.5 貝葉斯網的套用
2.6 貝葉斯網對其它領域的影響
2.7 文獻介紹
第3章 圖分隔與變數獨立
3.1 直觀分析
3.2 有向分隔與條件獨立
3.3 有向分隔與無向分隔
3.4 有向無圈圖與聯合機率分布
3.5 文獻介紹
第二部分 貝葉斯網推理
第4章 貝葉斯網與機率推理
4.1 推理問題
4.2 變數消元算法
4.3 複雜度分析
4.4 消元順序
4.5 推理問題簡化
4.6 MAP假設問題
4.7 文獻介紹
第5章 團樹傳播算法
5.1 團樹
5.2 一個變數後驗機率的計算
5.3 團樹傳播的正確性
5.4 團樹傳播與計算共享
5.5 每個變數的後驗機率的計算
5.6 團樹的構造
5.7 文獻介紹
第6章 近似推理
6.1 隨機抽樣算法
6.2 變分法
6.3 其它近似推理算法
6.4 文獻介紹
第三部分 貝葉斯網學習
第7章 參數學習
7.1 貝葉斯網與數據分析
7.2 單參數最大似然估計
7.3 單參數貝葉斯估計
7.4 單變數網路參數估計
7.5 一般網路最大似然估計
7.6 一般網路貝葉斯估計
7.7 缺值數據最大似然估計
7.8 缺值數據貝葉斯估計
7.9 文獻介紹
第8章 結構學習
8.1 似然函式與模型選擇
8.2 貝葉斯模型選擇
8.3 大樣本模型選擇
8.4 其它模型選擇標準
8.5 模型最佳化
8.6 缺值數據結構學習
8.7 文獻介紹
第9章 隱結構模型學習
9.1 隱變數與隱變數模型
9.2 可分辨性及幾個相關概念
9.3 隱變數模型選擇
9.4 隱類模型
9.5 多層隱類模型
9.6 多層隱類模型學習算法
9.7 文獻介紹
第四部分 貝葉斯網套用
第10章 隱結構模型與中醫辨證
10.1 中醫辨證的客觀化、定量化
10.2 腎虛數據收集
10.3 數據分析原理
10.4 腎虛數據分析
10.5 結果模型定性內容的質量
10.6 結果模型定量內容的質量
10.7 結果模型與辨證論治
10.8 模型辨證的質量
10.9 討論
參考文獻
英漢辭彙對照
索引
