?

?

Netica 是一个职能大且易于使用的法式，用于处置信想网络和影响图。它拥有效于绘造网络的直观流畅的用户界面，变量之间的关系能够作为单独的概率输入，以方程的大局，或者从数据文件中进建（可能是通常的造表符分隔的大局，并且佑装缺失数据”）。

?

创建网络后，能够铜鼓剪切和粘贴将其蕴含的知识转移到其他网格，或者通过创建拥有断开衔接的节点库以？榛按缶直Ａ。当然，网络和库能够保留在文件中或打印出来。

?

Netica能够使用网络使用快的和现代的算法执行各类推理。给定一个我们知之甚少的新案例，Netica将为全数未知变量找到相宜的值或概率。这些值或概率能够以多种分歧的方式显示，蕴含条形图个仪表。案例能够方便地保留到文件中，而后在带回网络（或分歧的网络）进前进一步查问，或开率有关案例的新信息。Netica能够使用影响图来找到使指定变量的进展值的决策。Netica能够构建有前提的打算。

?

Netica可用于多种方式转换网络。不在感兴致的变量能够在不扭转其余变量之间的整体关系的情况下被删除（从技术上讲，当我们不知路变量的值时，概率会被“求和”，而当我们知路变量的值时会使用使用更复杂的操作）。概率模型能够通过回转网络的单个链接、删除或增长因果影响、一次一个决策等操作来索求。这些操作只必要单击鼠标即可实现，这使得Netica适合轻松索求，以及

网格和影响图概想。

?

Netica目前在开发很多新个性和职能。

?

新职能：

• AutoNetica从贝叶斯网络天生网站。

• 天生能够归并到其他文档中的演示质量图形。

• 5.0 及更高版本能够从数据中进行链接结构的 TAN 进建。

• 将信想（贝叶斯）网络编译为流派的衔接树，以进行急剧概率推理。

• 宽泛的内置和在线援手。

• 无需实用法式的敏感性分析。

• 能够天生关于贝叶斯网络、节点、状态、CPT、案例、发现、信想、敏感性了局、其他推理了局等方面的高度可定造的汇报。

• 能够使用案例文件测试网络的机能。

• Netica 将为所需的每个节点打印出混合矩阵、谬误率、对数和二次 (Brier) 评分规定了局、校准表和惊喜指数。

• 可以为挨次决策问题找到决策（即，后来的决策取决于先前决策的了局）。

• 能够通过使用团树有效地求解影响图。

• 能够从数据中进建概率关系，即便短缺数据。

• 提供信想网络和影响图的单一图形编纂，蕴含：

• 在不迷失概率关系的情况下剪切/粘贴/复造节点

• 显示节点的多种方式（条形图、仪表等）

• 与弯曲的链接以维持复杂的图表有序

• 允许对每个节点进行评论、跟踪作者、何时更改等

• 无限级此外裁撤/沉做

?

• 允许通过方程输入概率关系，拥有内置概率函数库和其他数学函数。

• 拥有易于离散化陆续变量的设施。

• 能够回转影响图或信想网络的单个链接和“总结”节点，以进行模型索求。

• 支持断开的链接，这使得概率关系库成为可能（拜见图 1）。

• 能够用值随功夫变动的节点来暗示网络（为此类节点界说了悠久性），并拥有拥有功夫延长的链接（允许循环）。该软件能够自动将这些网络转换为覆盖有限功夫段的扩大通例网络（拜见图 2）。

• 接受可能性发现（即虚构证据），以及某些变量不在某种状态的大局的发现。

• 能够以多种大局显示节点和推理了局，蕴含信想条形图和真/假计（见图 3）。

• 易于定造显示器以适合用户。

• 支持每个节点和网络的文档和跟踪（带有评论、标题、作者、上次更改功夫等）

• 对网络的大幼或复杂性没有内置限度，因而它们仅受可用内存的限度。

• 能够与Netica API产品协同工作（例如，共享一样的文件）。

?

? ? ??? ??

? ? ? ? ? ? ? ? ? ? ?图一? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?图二? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 图三

?

?

【英文介绍】

Netica is a powerful, easy-to-use, complete program for working with?belief networks?and influence diagrams. It has an intuitive and smooth user interface for drawing the networks, and the relationships between variables may be entered as individual probabilities, in the form of equations, or learned from data files (which may be in ordinary tab-delimited form and have "missing data").

Once a network is created, the knowledge it contains can be transferred to other networks by cutting and pasting, or saved in modular form by creating a library of nodes with disconnected links. Of course, the networks and libraries may be saved in files or printed out.

Netica can use the networks to perform various kinds of inference using the fastest and most modern algorithms. Given a new case of which we have limited knowledge, Netica will find the appropriate values or probabilities for all the unknown variables. These values or probabilities may be displayed in a number of different ways, including bar graphs and meters. The case may conveniently be saved to a file, and later brought back into the network (or a different network) for further querying, or to take into account new information about the case. Netica can use influence diagrams to find optimal decisions which maximize the expected values of specified variables. Netica can construct conditional plans, since decisions in the future can depend on observations yet to be made, and the timings and inter-relationships between decisions are considered.

Netica can be used to transform a network in a number of ways. Variables that are no longer of interest may be removed without changing the overall relationships between the remaining variables (technically, the probabilities are "summed out" when we don't know the variable's value, and a more complex operation is used when we do). Probabilistic models may be explored by such operations as reversing individual links of the network, removing or adding causal influences, optimizing one decision at time, etc. These operations may be done with just a click of the mouse, which makes Netica very suitable for easy exploring, and for teaching belief network and influence diagram concepts.

There are many exciting?new features?and capabilities for Netica currently under development. Expect it to continue to be an industry leader in introducing new Bayes net capabilities over the coming years.

?