Details

Байесовские сети - один из видов вероятностных графовых моделей, широко распространенный для обозначения неопределенности в экспертных системах. В рамках данной работы рассмотрена проблема вывода в байесовских сетях и решены следующие задачи: 1. Проведение обзора существующих алгоритмов вывода в байесовских сетях. 2. Проведение обзора существующих программных средств, реализующих алгоритмы данного типа. 3. Разработка собственного фреймворка для вывода в байесовских сетях. 4. Проведение сравнительного анализа реализованных алгоритмов с точки зрения эффективности. В рамках исследования производительности реализованных алгоритмов на имеющихся в распоряжении моделях и тест-кейсах было выявлено, что реализованный алгоритм дерева сочленений показывает лучшие результаты для моделей с определенными характеристиками. В результате было достигнуто увеличение производительности модуля, в рамках которого производилось внедрение фреймворка.

Bayesian networks are one of the types of probabilistic graph models widely used to encode uncertanty in expert systems. The given work reviews a problem of the efficient inference in bayesian networks and following set of goals was achieved during the course of the study: 1. Review of existing algorithms for inference in bayesian networks. 2. Review of existing software implementing this type of algorithms. 3. Development of a framework for inference in bayesian networks. 4. Comparative efficiency analysis of the algorithms that were implemented. At the phase of efficiency research of the implemented algorithms, using the models and test-cases that were available to the author, it was discovered that the implemented version of the juntion tree algorithm shows better results for the models with specific characteristics. As a result a perfomance increase was achieved for the module to which the framework was introduced.