我遇到一些与高斯贝叶斯网络中的部分外推推理有关的问题（贝叶斯网络容纳了随机变量的连续性质，并共同遵循高斯分布）...
我的问题是：
在高斯贝叶斯网络的情况下，像联结树传播这样的算法是否可以适用于离散变量贝叶斯网络？
如果否，那么对于高斯贝叶斯网络，哪种算法适用？
对于高斯贝叶斯网络，部分归纳推理是否有任何复杂性证明（众所周知，对于离散变量贝叶斯网络，该任务是NP难的）？
进化算法或MCMC采样标准可以应用于高斯贝叶斯网络中的近似部分外推推理吗？
如果能在这方面帮助我，我将非常感谢大家。提前致谢...
最佳答案
Belief Propagation是一种基于消息传递的通用推理算法，它需要两个操作sum（）和product（），可以轻松地为高斯变量实现这些操作。
连接树传播是在树上运行的信仰传播的特例，因此它也可以应用于高斯贝叶斯网络。
这些书详细解释了连续贝叶斯网络中的推论：
克里斯托弗·毕晓普（Christopher M. Bishop）。模式识别与机器学习（信息科学与统计），2009年
达芙妮·科勒（Daphne Koller），尼尔·弗里德曼（Nir Friedman）。概率图形模型，原理和技术，2009年