Bayesian Networks and Decision Graphs: February 8, 2007

مدل‌های گرافیکی احتمالی و نمودارهای تصمیم، ابزارهای مدل‌سازی قدرتمندی برای استدلال و تصمیم‌گیری در شرایط عدم قطعیت هستند. به عنوان زبان‌های مدل‌سازی، آن‌ها اجازه می‌دهند یک مشخصه طبیعی از حوزه‌های مسئله با عدم قطعیت ذاتی، و از دیدگاه محاسباتی، از الگوریتم‌های کارآمد برای ساخت خودکار و پاسخ‌گویی به پرس و جو پشتیبانی کنند. این شامل به‌روزرسانی باورها، یافتن محتمل‌ترین توضیح برای شواهد مشاهده‌شده، تشخیص تضاد در شواهد وارد شده به شبکه، تعیین استراتژی‌های بهینه، تجزیه و تحلیل برای ارتباط، و انجام تجزیه و تحلیل حساسیت است.

این کتاب به معرفی گرافیک احتمالی می‌پردازد. مدل‌ها و نمودارهای تصمیم‌گیری، از جمله شبکه‌های بیزی و نمودارهای تأثیر. خواننده از طریق مثال ها و تمرین هایی با دو نوع چارچوب آشنا می شود که نحوه ساخت این مدل ها را نیز به خواننده آموزش می دهد.

این کتاب ویرایش جدیدی از شبکه های بیزی و نمودارهای تصمیم گیری توسط فین وی. جنسن است. نسخه جدید در دو بخش ساختار یافته است. بخش اول بر روی مدل های گرافیکی احتمالی تمرکز دارد. در مقایسه با کتاب قبلی، نسخه جدید همچنین شامل توضیحات کاملی از برنامه‌های افزودنی اخیر به زبان مدل‌سازی شبکه بیزی، پیشرفت‌ها در الگوریتم‌های به‌روزرسانی باورهای دقیق و تقریبی، و روش‌هایی برای یادگیری ساختار و پارامترهای یک شبکه بیزی است. بخش دوم به نمودارهای تصمیم می پردازد و علاوه بر چارچوب هایی که در ویرایش قبلی توضیح داده شد، فرآیندهای تصمیم مارکوف و مشکلات تصمیم گیری جزئی را نیز معرفی می کند. نویسندگان همچنین

• مقدمه عملی مستدلی از شبکه های بیزی، شبکه های بیزی شی گرا، درخت های تصمیم گیری، نمودارهای نفوذ (و انواع آن)، و فرآیندهای تصمیم مارکوف.
• توصیه‌های عملی در مورد ساخت شبکه‌های بیزی، درخت‌های تصمیم‌گیری، و نمودارهای تأثیر از دانش دامنه ارائه می‌دهد.

<

• مثال‌ها و تمرین‌های متعددی را در مورد بهره‌برداری از سیستم‌های کامپیوتری برای برخورد با شبکه‌های بیزی و نمودارهای تصمیم‌گیری ارائه دهید.
• معرفی کاملی برای بیان ارائه دهید الگوریتم های حل و تحلیل پیشرفته.

این کتاب به عنوان یک کتاب درسی در نظر گرفته شده است، اما همچنین می تواند برای مطالعه شخصی و به عنوان یک کتاب مرجع استفاده شود.

Finn V. Jensen استاد گروه علوم کامپیوتر در دانشگاه آلبورگ، دانمارک است.

توماس دی. نیلسن دانشیار همین گروه است.

Probabilistic graphical models and decision graphs are powerful modeling tools for reasoning and decision making under uncertainty. As modeling languages they allow a natural specification of problem domains with inherent uncertainty, and from a computational perspective they support efficient algorithms for automatic construction and query answering. This includes belief updating, finding the most probable explanation for the observed evidence, detecting conflicts in the evidence entered into the network, determining optimal strategies, analyzing for relevance, and performing sensitivity analysis.

The book introduces probabilistic graphical models and decision graphs, including Bayesian networks and influence diagrams. The reader is introduced to the two types of frameworks through examples and exercises, which also instruct the reader on how to build these models.

The book is a new edition of Bayesian Networks and Decision Graphs by Finn V. Jensen. The new edition is structured into two parts. The first part focuses on probabilistic graphical models. Compared with the previous book, the new edition also includes a thorough description of recent extensions to the Bayesian network modeling language, advances in exact and approximate belief updating algorithms, and methods for learning both the structure and the parameters of a Bayesian network. The second part deals with decision graphs, and in addition to the frameworks described in the previous edition, it also introduces Markov decision processes and partially ordered decision problems. The authors also

• provide a well-founded practical introduction to Bayesian networks, object-oriented Bayesian networks, decision trees, influence diagrams (and variants hereof), and Markov decision processes.
• give practical advice on the construction of Bayesian networks, decision trees, and influence diagrams from domain knowledge.

<

• give several examples and exercises exploiting computer systems for dealing with Bayesian networks and decision graphs.
• present a thorough introduction to state-of-the-art solution and analysis algorithms.

The book is intended as a textbook, but it can also be used for self-study and as a reference book.

Finn V. Jensen is a professor at the department of computer science at Aalborg University, Denmark.

Thomas D. Nielsen is an associate professor at the same department.