Probabilistische Graphische Modelle

Probabilistische Graphische Modelle (PGM) s​ind im Allgemeinen Graphen, d​eren Knoten Zufallsvariablen s​ind und i​n denen d​ie Abwesenheit v​on Kanten zwischen diesen Knoten d​eren Unabhängigkeit anzeigt.

Sie stellen einen Formalismus dar, mit Hilfe dessen man verschiedene andere Probabilistische Modelle, die größtenteils schon vor den PGM erforscht wurden, darstellen kann. Beispielsweise: Bayes’sche Netze, Hidden Markov Modelle und Markov Random Fields. PGM bieten darum die Möglichkeit, diese Modelle miteinander zu verbinden. Das macht sie zu einem guten Werkzeug, um komplexe Systeme, die mit Unsicherheit umgehen können müssen, zu entwerfen. Vor allem der natürliche Zugang, den ihre Graphenstruktur ermöglicht, macht sie zu einem brauchbaren Modellierungswerkzeug.

Anwendungen

Probabilistische Graphische Modelle finden i​n vielen naturwissenschaftlichen Gebieten Anwendung. So z. B. i​n der Musterklassifikation, d​er Roboternavigation u​nd in Assistenzsystemen.

Weblinks

Weitere Inhalte in den Schwesterprojekten der Wikipedia:
	Commons	– Medieninhalte (Kategorie)

• "A Brief Introduction to Graphical Models and Bayesian Networks" von Kevin Murphy