В работе предложен подход к анализу чувствительности первой задачи апостериорного вывода в алгебраических байесовских сетях. Кратко даны основные определения и формулировки, а также рассмотрено развитие матрично-векторного аппарата апостериорного вывода. Рассмотрены случаи поступления детерминированного и стохастического свидетельств во фрагмент знаний над пропозициями-квантами со скалярными оценками вероятностей истинности элементов. Для каждого из рассматриваемых случаев введены необходимые метрики и проведены преобразования, в результате которых построены 4 задачи линейного программирования. Решения этих задач дают искомые оценки. Кроме того, сформулированы 2 теоремы, постулирующие накрывающие оценки для рассматриваемых величин. Полученные в работе результаты доказывают корректность использования моделей и создают задел для исследования чувствительности уравнений локального и глобального логико-вероятностных выводов. Ключевые слова: знания с неопределенностью, распространение свидетельств, вероятностная логика, алгебраические байесовские сети, логико-вероятностный вывод, оценки чувствительности, вероятностные графические модели, матрично-векторные уравнения. * Часть публикуемых материалов получена в рамках проектов, выполненных по госзаданию СПИИРАН № 0073-2014-0002 и при финансовой поддержке РФФИ (гранты № 15-01-09001-а, № 18-01-00626-а).
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.