- 1、本文档共54页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
马尔科夫逻辑网络
马尔科夫逻辑网络
从贝叶斯信念网到马尔科夫逻辑网
高 阳
/gaoy, 2016.10.26
大纲
马尔科夫网和一阶逻辑
马尔科夫逻辑网
马尔科夫网络推理
近似推理
马尔科夫网和一阶逻辑
Markov链
考虑一个N(有限)状态{s ,s ,…,s }的系统:
1 2 n 俄罗斯数学家
在离散的时间序列中{t ,t ,…},其在时间t的状态记为X ,
1 2 t
系统在时间t处在状态s (1≤j ≤ n) 的概率取决与其在时间1,2,…,t-1
j
的状态:
P , ,…,
一阶马尔科夫链
P , ,…, =P
Markov网
有向图+ 概率分布:Bayesian Network
无向图+ 概率分布:Markov Network(Markov Random Field,
MRF) ,G=(V, E)
顶点:随机变量V
边:变量间的依赖关系E
团(Clique) :各边所在的最大全联通子图
势函数:为非负函数,表示团的一个状态
联合分布函数
吉布斯测度:已知一种分配方案x ,求MLN刚好为该情况
的联合分布概率
配分函数:所有分配方案的测度总和
对数线性模型
对数线性模型:马尔可夫网络常表示为该模型,通过引入
特征函数
配分函数:
将每个团的势函数表示为指数函数,指数项为对应团的加权特征量
Markov逻辑网的独立性
Pairwise Markov Property: 给定所有其他变量,任意两个不相邻变量条
件独立。
Local Markov Property :一个变量如果给定所有邻居变量后与所有其他
变量条件独立。
Global Markov Property :A 、B两个子集间任何一条路径都经过子集S,
则给定S后,A 、B两个子集相互条件独立。
一个无向图G=(V, E) ,是马尔可夫网络的充分必要条件是:
当且仅当其满足以上三条独立性质。
构建马尔可夫网络
方法一:基于Pairwise Markov Property
如果满足下面条件,则在X和Y之间加边;
方法二:基于Local Markov Property
集合U是X 的马尔可夫毯(Markov blanket ,X 的邻居节点集合) ,给
定U ,X独立于余下的变量;
一个班上有四名同学,A 、B 、C 、D ,他们每次做作业都会
与其他人讨论,但是由于不明原因,A和C 、B和D从不一起
讨论。当老师上课讲错知识点时,每个学生有一定几率自己
发现这个错误,当他发现错误时又可能将这个发现告诉自己
讨论的对象。这时我们有了四个随机变量{A,B,C,D},他们
取值为1时表示发现了错误,为0时表示未发现,我们可以获
得如下独立性质:
(A ⊥C|{B,D}) 、(B ⊥D|{A,C})
构造贝叶斯网络
第一次尝试 第二次尝试
A B D
B D
C
文档评论(0)