WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2005031591) MOST PROBABLE EXPLANATION GENERATION FOR A DYNAMIC BAYESIAN NETWORK
Latest bibliographic data on file with the International Bureau   

Pub. No.:    WO/2005/031591    International Application No.:    PCT/CN2003/000841
Publication Date: 07.04.2005 International Filing Date: 30.09.2003
IPC:
G06F 17/00 (2006.01)
Applicants: INTEL CORPORATION [US/US]; 2200 Mission College Boulevard, Santa Clara, CA 95052 (US) (For All Designated States Except US).
HU, Wei [CN/CN]; (CN) (For US Only)
Inventors: HU, Wei; (CN)
Agent: CHINA PATENT AGENT (H.K.) LTD.; 22/F, Great Eagle Centre, 23 Harbour Road, Wanchai, Special Administrative Region Hong Kong (CN)
Priority Data:
Title (EN) MOST PROBABLE EXPLANATION GENERATION FOR A DYNAMIC BAYESIAN NETWORK
(FR) PRODUCTION D'EXPLICATION LA PLUS PROBABLE POUR UN RESEAU DE BAYES DYNAMIQUE
Abstract: front page image
(EN)Methods, systems, and apparatus are provided to generate a most probable explanation (MPE) for a Bayesian Network (BN). A first data structure is populated by iterating from the leaves of a junction tree (derived from the BN) to the root and retaining maximum potentials along the way. A second data structure records selective index locations that map into the first data-structure. These selective locations correspond to selective maximum potentials housed within the first data structure. All the selective maximum potentials are resolved once a root maximum potential is known for a given problem. The selective maximum potentials form a MPE through the junction tree to the reach the result.
(FR)La présente invention concerne des procédés, des systèmes et un dispositif permettant de générer une explication la plus probable (MPE) pour un réseau de Bayes (BN). Une première structure de données est alimentée par itération depuis feuilles d'un arbre d'intersections (dérivé du réseau de Bayes) vers la racine puis retenue des potentiels maximum le long du parcours. Une seconde structure de données enregistre les emplacements sélectifs d'indices qui sont appliqués dans la première structure de données. Ces emplacements sélectifs correspondent à des potentiels maximum sélectifs contenus dans la première structure de données. Tous les potentiels maximum sélectifs sont résolus une fois qu'un potentiel maximum est connu pour un problème donné. Les potentiels maximum sélectifs forment une explication la plus probable à travers l'arbre d'intersections pour atteindre le résultat.
Designated States: CN, US.
Publication Language: English (EN)
Filing Language: English (EN)