ارایه روشی نوین برای کاهش ابعاد جداول احتمال شرطی در شبکه های بیزین

سخت ترین کار در دانش مهندسی برای مدل های گرافیکی احتمالاتی از قبیل شبکه های بیزین، به دست آوردن جداول احتمالشرطی آنهاست. مدل ها بر اساس یک گراف مستقیم بدون دور و متشکل از متغیرهای گسسته می باشد. ما برای هر متغیر نیازبه استخراج پارامترهایی داریم که رابطه ی نمایی با تعداد والدین دارند، که این باعث می شود استخراج از طریق متخصصین یاپایگاه داده وظیفه ای دلهره آور شود. تاکنون روش ها و مدل هایی که ارایه شده اند با توجه به زمان تعامل محدود با متخصصان،با این هدف انجام شده که برای دستیابی به CPT ها، تعداد پارامترهای کمتری نیاز داشته باشیم تا از روی این پارامترها، بتوانیمبه کل CPT دسترسی پیدا کنیم. اما هنوز مدلی که به ارایه ی یک CPT قابل قبول بینجامد وجود ندارد و مدل های ارایه شدهبا محدودیت های خاصی بیان شده اند. با توجه به محدودیت ها و چالش های مدل های موجود، هدف ما در این مقاله دستیابی بهمدلی است که با وجود مشکل دسترسی به CPT با تعداد والد زیاد، بتوانیم به استنتاج قابل قبولی از شبکه بیزین دست یابیم.

کلیدواژه ها:

شبکه بیزین ، جداول احتمال شرطی ، مدل های گرافیکی احتمالاتی