Evidential Networks from a Different Perspective

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F12%3A00387929" target="_blank" >RIV/67985556:_____/12:00387929 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-33042-1_46" target="_blank" >http://dx.doi.org/10.1007/978-3-642-33042-1_46</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-33042-1_46" target="_blank" >10.1007/978-3-642-33042-1_46</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Evidential Networks from a Different Perspective

Popis výsledku v původním jazyce

Bayesian networks are, at present, probably the most popular representative of so-called graphical Markov models. Naturally, several attempts to construct an analogy of Bayesian networks have also been made in other frameworks as e.g. in possibility theory, evidence theory or in more general frameworks of valuation-based systems and credal sets. We collect previously obtained results concerning conditioning, conditional independence and irrelevance allowing to define a new type of evidential networks, based on conditional basic assignments. These networks can be seen as a generalization of Bayesian networks, however, they are less powerful than e.g. so-called compositional models, as we demonstrate by a simple example.

Název v anglickém jazyce

Evidential Networks from a Different Perspective

Popis výsledku anglicky

Bayesian networks are, at present, probably the most popular representative of so-called graphical Markov models. Naturally, several attempts to construct an analogy of Bayesian networks have also been made in other frameworks as e.g. in possibility theory, evidence theory or in more general frameworks of valuation-based systems and credal sets. We collect previously obtained results concerning conditioning, conditional independence and irrelevance allowing to define a new type of evidential networks, based on conditional basic assignments. These networks can be seen as a generalization of Bayesian networks, however, they are less powerful than e.g. so-called compositional models, as we demonstrate by a simple example.

Druh

D - Stať ve sborníku

CEP obor

BA - Obecná matematika

OECD FORD obor

—

Projekt

<a href="/cs/project/GAP402%2F11%2F0378" target="_blank" >GAP402/11/0378: Agregace znalostí a očekávání v matematicko-ekonomických modelech</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Synergies of Soft Computing and Statistics for Intelligent Data Analysis

ISBN

978-3-642-33041-4

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

429-436

Název nakladatele

Springer

Místo vydání

Heidelberg

Místo konání akce

Konstanz

Datum konání akce

4. 10. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000312969600046