Reasoning with Probabilistic and Deterministic Graphical Models

Grafiske modeller, som inkluderer Bayesianske nettverk, begrensningsnettverk, innflytelsesdiagrammer og Markov beslutningsprosesser, har etablerte seg som en essensiell tilnærming for kunnskapsrepresentasjon og resonnement innen kunstig intelligens og datavitenskap generelt. Disse modellene brukes til å utføre en rekke resonnementoppgaver, herunder planlegging, diagnose og prediksjon, samt design og verifisering av maskinvare og programvare. Utfordringene knyttet til disse problemene kan formelt defineres som oppgaver innenfor begrensningssatisfaksjon, kombinatorisk optimalisering og probabilistisk inferens. Selv om det er velkjent at disse oppgavene er beregningsmessig krevende, har forskningen de siste tre tiårene resultert i utviklingen av en rekke prinsipper og teknikker som har betydelig forbedret den nåværende standarden. Boken gir en grundig dekning av de viktigste eksakte algoritmene for resonnement med slike modeller, og utnytter spesielt modellens grafstruktur i disse algoritmene. Den byr på en dyptgående behandling av inferensmetoder, noe som gjør den til en viktig ressurs for forskere og fagpersoner innen feltet.