高斯型单连接网络分估计算法的全局优化 中文.docVIP

附件C：译文 高斯型单连接网络分布估计算法的全局优化 Ignacio Segovia Dom′?nguez, 阿图罗·埃尔南德斯·阿吉雷 Enrique Villa Diharce 墨西哥瓜纳华托数学研究中心 摘要：本文介绍了一个新的构造方法：高斯单连接网络分布估计算法，以及它在连续变量下的分布估计算法及其应用。假设变量为高斯，树型拓扑和边缘定位算法的建设是基于信息论概念，如互信息和条件互信息等来构造的。高斯型单连接网络分布估计算法被提议用标准问题进行测试，实验结果表明，该方法是比较准确的。 关键词：单连接网络，分布估计算法，最优化。 1. 介绍 在人工智能中，单连接网络间接寻址图形模型被广泛应用，例如，在贝叶斯网络中，单连接网络是实际的曲线图，因为他们支持线性时间的概率推理。单连接网络在其他一些类似的方向的应用, 那就是, 单连接网络是经常被用来联合概率分布模型的一些数据。因为树编码作为产品的条件分布的联合概率，这样的概率分布模型也称为工厂化的分布。 在本文中，我们关心的是单连接网络使用和其结构和它的仿真算法。此外，我们评估，单连接网络带来的分布估计算法的性能改善。如前所述，单连接网络图已被J.明珠贝叶斯网络应用，但德坎波也过度的研究了因果网络。最近，索托应用单连接网络近似分布算法研究单连接网络模型在分布估计算法的分布与单连接网络近似分布算法，被称为单连接网络近似分布算法。但是