贝叶斯网络原理_用贝叶斯网络建模和推理

　　贝叶斯网络跨越了包括人工智能(AI)、统计学、认知科学及哲学在内的多个领域。贝叶斯网络是上个世纪70年代末80年代初在AI领域经历的一场危机中由J.Pearl引入的。他主张利用概率论作为似真推理的基础,并且开发了贝叶斯网络作为表示及计算概率置信的实用工具。
　　本书提供了对贝叶斯网络基础及实践应用的深入介绍,以及对用于构建贝叶斯网络技术的大范围讨论,涉及了用于自设计合成模型、源正数据的学习模型及利用敏感度分析的调试模型的技术。
　　本书共有18章,1,绪论,内容包括自动推理、置信概率推理、贝叶斯网络等;2,命题逻辑;3,概率演算;4,贝叶斯网络;5,构建贝叶斯网络;6,变量消元推理;7,因子消元推理;8,调节推理;9,图分解建模;10,最大似然;11,概率推理的复杂性;12,编译贝叶斯网络;13,利用局部结构推理;14,置信传播近似推理;15,随机采样近似推理;16,敏感度分析;17,学习:最大似然方法;18,学习:贝叶斯方法,最后是4个附录。
　　作者是UCLA计算机系的教授和主任,人工智能研究杂志(JAIR)的主编及美国人工智能协会(AAAI)会士。关于本书,加州大学伯克利分校的S.Russell写道:“贝叶斯网络对于AI及机器学习的重要性就象布尔电路对计算机科学那样,作者是该领域的一流专家,本书对理论及实践者提供了极好的介绍,包括了在其他各处找不到的有用资料”。不列颠哥伦比亚大学计算机科学教授D.Poole写道:“贝叶斯网络掀起了AI领域的大变革。本书对于在过去25年研究中我们所学到知识给出了一个清晰且具有洞察力的回顾……。”对本书涉及的主题,作者假设读者仅有少量的背景知识,对有理论倾向性的读者则提供了深入的讨论。同时又提供了足够的实践细节。本书为系统开发者提供了一本算法使用说明书。
　　胡光华,高级软件工程师
　　(原中国科学院物理学研究所)