Zobrazeno 1 - 10
of 164
pro vyhledávání: '"Zhang, N. L."'
Autor:
Zhang, N. L., Zhang, W.
Publikováno v:
Journal Of Artificial Intelligence Research, Volume 23, pages 123-165, 2005
Value iteration is a popular algorithm for finding near optimal policies for POMDPs. It is inefficient due to the need to account for the entire belief space, which necessitates the solution of large numbers of linear programs. In this paper, we stud
Externí odkaz:
http://arxiv.org/abs/1107.0042
Autor:
Kocka, T., Zhang, N. L.
Publikováno v:
Journal Of Artificial Intelligence Research, Volume 21, pages 1-17, 2004
Hierarchical latent class (HLC) models are tree-structured Bayesian networks where leaf nodes are observed while internal nodes are latent. There are no theoretically well justified model selection criteria for HLC models in particular and Bayesian n
Externí odkaz:
http://arxiv.org/abs/1107.0027
Autor:
Poole, D., Zhang, N. L.
Publikováno v:
Journal Of Artificial Intelligence Research, Volume 18, pages 263-313, 2003
Bayesian belief networks have grown to prominence because they provide compact representations for many problems for which probabilistic inference is appropriate, and there are algorithms to exploit this compactness. The next step is to allow compact
Externí odkaz:
http://arxiv.org/abs/1106.4864
Autor:
Zhang, N. L., Zhang, W.
Publikováno v:
Journal Of Artificial Intelligence Research, Volume 14, pages 29-51, 2001
Partially observable Markov decision processes (POMDPs) have recently become popular among many AI researchers because they serve as a natural model for planning under uncertainty. Value iteration is a well-known algorithm for finding optimal policie
Externí odkaz:
http://arxiv.org/abs/1106.0251
Autor:
Zhang, N. L., Liu, W.
Publikováno v:
Journal of Artificial Intelligence Research, Vol 7, (1997), 199-230
Partially observable Markov decision processes (POMDPs) are a natural model for planning problems where effects of actions are nondeterministic and the state of the world is not completely observable. It is difficult to solve POMDPs exactly. This pap
Externí odkaz:
http://arxiv.org/abs/cs/9711103
Autor:
Zhang, N. L., Poole, D.
Publikováno v:
Journal of Artificial Intelligence Research, Vol 5, (1996), 301-328
A new method is proposed for exploiting causal independencies in exact Bayesian network inference. A Bayesian network can be viewed as representing a factorization of a joint probability into the multiplication of a set of conditional probabilities.
Externí odkaz:
http://arxiv.org/abs/cs/9612101
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.