引入
如前所述，大型贝叶斯网络中精确推断的往往是指数级时间复杂度的，但是幸运的是存在许多高效近似推断方法。使用的方法是随机采样算法，也被称为蒙特卡罗算法，它能够提供近似的答案，且准确性取决于生成的样本数。该方法的工作原理是基于贝叶斯网络中的概率生成随机事件并计数这些随机事件中发现的不同答案。有了足够的样本，就可以以任意的精度恢复真实概率分布——……继续阅读 »
yanzexi
1年前 (2023-10-28) 306浏览 0评论
0个赞
若待排序表中有两个元素$R_i$和$R_j$，其对应的关键字相同即$key_i=key_j$，且在排序前$R_i$在$R_j$的前面，若使用某一排序算法排序后，$R_i$仍然在$R_j$的前面，则称这个排序算法是稳定的，否则称排序算法是不稳定的。算法是否具有稳定性并不能衡量一个算法的优劣，它主要是对算法的性质进行描述。如果待排序表中的关键字不允……继续阅读 »
yanzexi
1年前 (2023-10-27) 234浏览 0评论
0个赞
引入
引入
任何概率推理系统的基本任务都是给定一些观测到的事件——通常是一组证据变量的赋值，计算一组查询变量的后验概率分布。为了简化表示，每次只考虑一个查询变量；很多方法可以很容易地扩展到具有多个变量的查询。沿用之前的记号有：$X$表示查询变量；$E$表示证据变量$E_1,…,E_m$的集合，$e$是一个特定的观测事件；$Y$代表隐……继续阅读 »
yanzexi
1年前 (2023-10-27) 285浏览 0评论
0个赞
最短路径
$Dijkstra$算法
朴素$Dijkstra$算法，时间复杂是$O(n^2+m)$，$n$表示点数，$m$表示边数：
//dijkstra 算法
int g[N][N]; // 存储每条边
int dist[N]; // 存储 1 号点到每个点的最短距离
int st[N]; // 存储每个点的最短路是否已经确定……继续阅读 »
yanzexi
1年前 (2023-10-26) 327浏览 0评论
0个赞
引入
贝叶斯网络结构
贝叶斯网络（$Bayesian$ $network$）是一种数据结构，用于表示变量之间的依赖关系。贝叶斯网络可以本质上表示任何完全联合概率分布，并且它在很多情况下可以非常简洁。
贝叶斯网络是一个有向图，其中每个节点用定量的概率信息标记，完整的描述如下：……继续阅读 »
yanzexi
1年前 (2023-10-26) 248浏览 0评论
0个赞
引入
引入
由于部分可观测性、非确定性和对抗者的存在，真实世界中的智能体需要处理不确定性。智能体可能永远都无法确切地知道它现在所处的状态，也无法知道一系列动作之后结束的位置。问题求解与逻辑智能体通过追踪信念状态和生成应变规划来处理不确定性。这种方法适用于简单问题，它存在许多缺点：
&n……继续阅读 »
yanzexi
1年前 (2023-10-25) 309浏览 0评论
0个赞
存储表示
存储与基本操作
图的邻接表（稀疏图，一般$\left| E \right|……继续阅读 »
yanzexi
1年前 (2023-10-24) 305浏览 0评论
1个赞
反向链接
反向链接算法
反向链接算法从目标开始反向运行，链接规则以找出支持证明的已知事实。反向链接算法是一种与或搜索，其关键在于其的三个核心函数：
$Ask$：实现为生成器，也就是能多次返回的函数，每次返回值给出一个可能的结果（询问成立的置换）。
&……继续阅读 »
yanzexi
1年前 (2023-10-24) 440浏览 0评论
1个赞
合一推断
一般化肯定前件
一般化肯定前件：对于原子语句$p_i$、$p_{i}^{‘}$和$q$，存在置换$\theta $使得对所有$i$有$Subst\left( \theta ,p_{i}^{‘} \right) =Subst\left( \theta ,p_i \right) $，则有：
$$
\frac{p_{……继续阅读 »
yanzexi
1年前 (2023-10-23) 250浏览 0评论
1个赞
跳转表
跳转表
每一水平列表称作一层（$level$），其中$S_0$和$S_h$分别称作底层（$bottom$）和顶层（$top$）。与通常的列表一样，同层节点之间可定义前驱与后继关系。为便于查找，同层节点都按关键码排序。需再次强调的是，这里的次序只是内部的一种约定；对外部而言，各词条之间仍然只需支持判等操作即可。
……继续阅读 »
yanzexi
1年前 (2023-10-22) 294浏览 0评论
1个赞
