本文介绍了一种名为计数 BP 的新型 BP 算法，它利用了图模型中存在的对称性，通过构建压缩图模型的方式实现更高效的模型推理，在包括动态关系模型和布尔模型计数等多种人工智能任务中取得显著的效率提升。

May, 2012

本文研究一种基于 Monte Carlo 采样的 “前向” 算法家族，用于解决在信念网络上计算概率推理的问题，并提出了几种改进策略以降低后验方差。

Mar, 2013

本文提出了一种将 Belief Propagation 算法扩展到量子网络的方法，并研究了量子 Markov Networks 的结构，探讨了使用量子 Belief Propagation 作为一种启发式算法的可能性。最后，描述了该方法在量子纠错编码和模拟多体量子系统中的应用。

Aug, 2007

本文提出了使用 Kleene 的三值逻辑作为表达代理人信念模糊性的手段的共识建模框架，通过利用中间真值来允许代理人采取更为模糊的概念解释，以减弱其信念并降低不一致性水平，从而达成共识。通过模拟实验，证明将此操作应用于从一个拥有最初不同意见的人口中随机选择的代理人（受到一定一致性阈值的约束）可以使共识收敛于更精确的共享信念的较小集合，并且当代理人的选择取决于他们信念的回报时，该系统会收敛于平均回报更高的信念。

Jul, 2016

介绍了如何将双向图转化为最大祖先图，以提高高斯模型中的极大似然函数迭代求解效率及找出最大似然估计等于经验估计的情况。

Aug, 2007

本文介绍了一种基于单个观测数据进行因果推断的方法，使用条件算法互信息代替因果马尔科夫条件中的条件随机独立性，解释了单个对象之间相似性的因果图生成，并使用可判定复杂度标准替代 Kolmogorov 复杂度，提出了一种新的因果推断原则，从而可以在 Markov 等价因果图之间进行选择。

Apr, 2008

引入一种改进的信息传递方法，通过传递共识信息以指导学习处理大规模、阶层化的图像模型的推理，使其在计算机视觉领域具有更准确的推理结果。

Oct, 2014

本文研究概率图模型中置信传播算法的性能，特别关注模型参数对固定点数、收敛性和逼近质量的影响。

Sep, 2022

本研究研究了有向无环图在表示条件独立关系方面的作用，提出 DAG 可以用来推断条件独立关系并可以比其他准则发现更多合法的独立关系。此外，研究还表明 DAG 所显示的依赖关系是相一致的。

Mar, 2013

本论文研究如何更好地表示常识知识，提出了一种概率逻辑表示方案和一种层次化概念本体论，能够更灵活地表示信念，并在神经符号应用中使用。通过专家注释和群众众包，将这个框架扩展到 PrimeNet 知识库，并展示其在更易解释的语义解析和问题回答中的应用。

Nov, 2022