Key points are not available for this paper at this time.
الملخص استخدم الباحثون في تحليل القرار والذكاء الاصطناعي (AI) الشبكات البيزية لبناء أنظمة خبراء احتمالية. باستخدام طرق قياسية مستمدة من نظرية التعقيد الحاسوبي، أظهر العاملون في هذا المجال أن مشكلة الاستنتاج الاحتمالي في الشبكات البيزية صعبة ومن المحتمل أن تكون غير قابلة للحل. لقد طورنا نظام تقريب عشوائي، BN-RAS، للقيام بالاستنتاج الاحتمالي في الشبكات البيزية. يمكن للخوارزمية، في العديد من الظروف، أداء استنتاج تقريبي فعال في نماذج كبيرة ومتصلة ارتباطاً غنياً. على عكس الخوارزميات العشوائية الموصوفة سابقًا للاستخراج الاحتمالي، تقوم خوارزمية التقريب العشوائي (ras) بحساب حدود مسبقة على زمن التشغيل من خلال تحليل هيكل ومحتويات الشبكة البيزية. في هذه المقالة، نوضح BN-RAS بدقة ونحلل أدائها رياضيًا.
درس شافيز وآخرون (الأربعاء) هذا السؤال.