Zusammenfassung
Ziel dieses Kapitels ist die Zusammenführung des Konzeptes der bedingten Unabhängigkeit und der Separation in Graphen. Beide wurden als dreistellige Relationen (· ᅭ · | ·) auf entweder Attributen oder Knoten dargestellt und es scheint vielversprechend, die wahrscheinlichkeitstheoretischen Gegebenheiten einer Verteilung mit Hilfe eines Graphen zu beschreiben, um dann lediglich anhand graphentheoretischer Eigenschaften (Separationen) auf (bedingte) Unabhängigkeiten zu schließen. Denn letztere sind es, welche eine Zerlegung und Evidenzpropagation erst ermöglichen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 2011 Vieweg+Teubner Verlag | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Kruse, R., Borgelt, C., Klawonn, F., Moewes, C., Ruß, G., Steinbrecher, M. (2011). Zerlegungen. In: Computational Intelligence. Computational Intelligence. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-8348-8299-8_24
Download citation
DOI: https://doi.org/10.1007/978-3-8348-8299-8_24
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-8348-1275-9
Online ISBN: 978-3-8348-8299-8
eBook Packages: Computer Science and Engineering (German Language)