贝叶斯网络中的马尔可夫毯与正常依存关系


11

当我阅读贝叶斯网络时,我遇到了“ 马尔可夫毯 ”一词,并对其在贝叶斯网络图中的独立性感到困惑。

马尔可夫毯子简短地说,每个节点仅依赖于其父代,子代和子代父代(图中节点A的灰色区域)。

马尔可夫毯子

这个BN,的联合概率是多少?P(M,S,G,I,B,R)

替代文字
(来源:aiqus.com

如果我遵循步骤“仅父项”独立规则,则为:

P(M|S)P(S|G,I)P(I|B)P(R|B)P(G)P(B)

但是,如果遵循马尔可夫毯子独立性,则会得出此结果(注意是不同的):P(I|G,B)

P(M|S)P(S|G,I)P(I|G,B)P(R|B)P(G)P(B)

那么,这个国阵的正确联合概率是多少?

更新:AIQUS中此问题的交叉链接

以下各章和图表:

替代文字http://img828.imageshack.us/img828/9783/img0103s.png

替代文字http://img406.imageshack.us/img406/3788/img0104l.png


链接都坏了,请您更新一下吗?
Lerner Zhang

Answers:


9

您的第一个推导是正确的!

因为我们没有观察到“开始”或“移动”,所以“点火”与“气体”无关。您在这里写的只是联合分布的因式分解,而不是在给定一组观察值的情况下如何计算特定节点的概率。

马尔可夫毯子所说的是,关于贝叶斯网络中的随机变量的所有信息都包含在这组节点(父母,孩子和孩子的父母)中。也就是说,如果我们观察到所有这些变量,那么我们的节点将独立于网络中的所有其他节点。

有关贝叶斯网络内依赖性的更多信息,请查阅D分离的概念。


想知道答案。但是您是否看过我给的Wiki页面。它显示了一个条件概率示例;暗示所有MB节点都依赖于变量。
Özgür的

3
Wiki页面似乎正确。马尔可夫毯子是对网络其余部分的屏蔽,因此,如果我们知道该“屏蔽”中的值,则网络中没有其他变量可提供有关A的任何其他信息。这里的关键是我们正在谈论什么当我们观察到这些值时,就会发生这种情况,在给定BN结构的情况下,这不会改变关节的分解。
尼克
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.