機能一覧

HUGIN EXPERTは、弊社ソフトウェア・パッケージに最先端の機能を組み込んでおります。下記は、弊社のグラフィカル・ユーザー・インタフェースとディシジョン・エンジンの総合的な機能一覧です。

HUGIN グラフィカル・ユーザー・インタフェース 7.2の機能一覧 - HGUI 7.2

構築

ベイジアンネットワークとインフルエンス・ダイアグラム・モデル（Hugin Decision Engine内のドメインとして知られる）を活用したHuginナレッジベースの構築

• ドメイン／ノードの作成／削除
• エッジの追加／消去
• ノードのステートへのアクセス/変更

階層的ベイジアンネットワークおよびインフルエンス・ダイアグラム・モデルの構築。階層的モデルは、他のモデルをサブ・モデルとして内包することができます。モデルのインタフェースは、入力ノードの集合と出力ノードの集合で構成されます。 この機能は、継承（インヘリタンス）のないオブジェクト指向ベイジアンネットワークやインフルエンス・ダイアグラムとしてみなされます。

複数のOOBN定義を同じファイルにストアするためのクラス・コレクション。

ラベル付き、論理、番号付き、区間のサブタイプによる離散確率ノードと決定ノード。

1つ以上の効用ノード（付加的分解効用関数を仮定）。

条件付きガウス分布した変数（正確な推論）。

条件付き確率分布、条件付きガウシアン密度および効用関数の直接指定。

テーブル・ジェネレータを用いて確率的関係と効用関数を数学的および論理的記述により指定可能。

インスタンス・ノードのインタフェースの回転。

インスタンス・ノードのクラスの代入。

ノード親の代入。

連続-離散ノード値の変換関数。

活用

数式ビルダーは、完全な数式の概観を保持しながら、ユーザーが一度に1つの数式の構築に集中できるように、プロセスをステップに分けることにより、数式の構築をより簡単にします。

テーブル・ジェネレータのサポート内容：

• 離散分布（Binomial, Negative Binomial, Poisson, Geometric, NoisyOr, Distribution）
• 連続分布（Normal, Beta, Gamma, Exponential, Weibull, Uniform, PERT, Triangular, LogNormal）、切り捨て演算子を含む。
• 論理演算子、条件演算子、比較演算子（and, or, not, if-then-else, equals, less than, greater than, not equals, less than or equals, greater than or equals）
• 標準的な数学演算子（(add, subtract, multiply, divide, power, negate, min, max, log, exp, sqrt, log2, log10, sin, cos, tan, cosh, sinh, tanh, abs, ceil, floor, mod）
• 確率表は一度生成されるだけでよいが、必要に応じて生成できる。これは個々のノードの表を含む。生成された表は、ドメインのコンパイルをスピードアップするために、 Hugin Network および Hugin KB ファイルにストアされる。
• 各表の"区間ごとのサンプル数" の指定。

学習ウィザードを用いて、データからベイジアンネットワークの構造と条件付き確率分布を推定できます。

学習ウィザードのサポート内容：

• データ獲得（ODBC または JDBC経由のデータベース接続、Oracleデータベースとのインタフェース、プレーン・テキスト・ファイル）
• データ前処理（たとえば、ステートのラベル変更や連続変数の離散化）
• ドメイン専門家知識の指定（すなわち、あるノードとノードの部分集合の間の制約追加のサポートを含む構造的制約）
• PC アルゴリズムを用いた構造学習
• あいまい領域の最小解を発見するを NPC アルゴリズムを用いた構造学習
• データ中の見つかるリンクの相対強度を検出するデータ依存性スライダー
• 無作為条件付き確率分布の生成（EMアルゴリズムの一部を使用）
• EMアルゴリズムを用いた条件付き確率分布の推定

依存関係の統計的検定に基づいて、ケースのデータベースからベイジアンネットワークのグラフィカル構造を学習するためのPC または NPC アルゴリズム。

ベイジアンネットワーク、混合ベイジアンネットワーク、インフルエンス・ダイアグラム中の条件付き確率分布の部分集合または全部のEM学習。学習をスピードアップまたは学習アルゴリズムを方向づけるための事前知識を指定できます（penalized-EM）。

オブジェクト指向ベイジアンネットワークでのEM学習。この機能は、データから条件付き確率表を推定するときに、オブジェクト指向ベイジアンネットワークの構成を導出することを簡単にします。

ノード、ネットワーク・フラグメント、および条件付き確率表のカット・アンド・ペースト機能。

Hugin ネットワーク言語と Hugin ナレッジベース形式のファイル・サポート。

ジャンクション・フォレスト（すなわちジャンクション・ツリーの集合）へのドメインのコンパイル。クリークの ジャンクション・ツリーを構築するためのたくさんのアルゴリズム：クリーク・サイズ、クリーク重み、サイズ記入、重み記入、合計重み（最適）、best greedy、およびユーザー指定。コンパイル・ログをドメインに関係づけることができます。ノードの除去順序をファイルに保存しファイルから読み込むことができます。

ジャンクション・ツリーの新しいコンパイルを実行することなく、条件付き確率分布、密度関数、および効用関数を変更して使用することができます。

ハード・エビデンス（インスタンス化）とソフト・エビデンス（尤度）の挿入。

ドメインがアン・コンパイルされているとき、エビデンスはドメインから消去されません。また、ドメインがコンパイルされていないとき、エビデンスを投入したり撤回することができます。（訳者注：「ドメインがコンパイルされるとエビデンスを投入したり撤回したりできます。」の可能性あり）

Hugin 推論エンジンは、推論をスピードアップするために、CPUのキャッシュを有効に活用します。

エビデンスの撤回。

意思決定問題のモデリングのための限定記憶インフルエンス・ダイアグラム（LIMID:Limited memory influence diagrams）。LIMID表現は、従来のインフルエンス・ダイアグラムの2つの基本的仮定を取り除きました：意思決定者の非忘却性と決定の全体順序。この２つの仮定を除くことにより、LIMIDは意思決定問題のモデリングのサポートでの著しい改善を含意します。 LIMID表現のサポートに加え、 ツールが決定モデルに関係する補足情報をユーザーに提供する（たとえば、ポリシーを表示し、決定ノーﾄﾞと確率ノードが確率分布と現在の戦略によって決定される期待効用関数を持つ）。

クリークのジャンクション・ツリーでのエビデンスの伝播

• ノーマルで合計および最大の伝播および離散変数による高速撤回（fast-retraction ）モード。
• 条件付きガウシアンと離散変数の混合によるノーマル・モードでのエビデンスの合計伝播（正確な計算）。
• 伝播されたエビデンスの確率が、伝播の結果として利用可能（規格化定数）。

離散ノードの信念と条件付きガウシアン・ノードの密度の回収。

さまざまな方法でノードの信念を表示。たとえば、モニタ・ウィンドウ、境界の一覧、条件付きガウシアン分布の平均と分散、または正確な分布の表示。

複数の効用ノードと欠損したno-forgettin リンクを持つシーケンシャルルな決定問題の解決。

決定ノードの期待効用のさまざまな表示方法（モニタ・ウィンドウまたはノードの一覧）

欠損値を持つケースの生成（MAR および MCAR）。

ゼロ圧縮。

近似。

メモリの節約。

モデル中のすべての変数のシミュレーション。

ジャンクション・ツリー（クリーク表なし）とジャンクション・ツリーに投入されたエビデンスをhkbファイルに保存。

修正

インフルエンス・ダイアグラムでの条件付き確率分布の部分集合の連続学習（適応）が利用可能。経験カウントを用いて条件付き確率表内の信念を指定でき、減退係数を用いて、事前知識の影響を減退させることができます。

適応ウィザード。

離散変数の対の間、連続変数の対の間でのアークの反転。

ノードの吸収。

条件付き確率分布と効用関数の中身を再配置。

分析

パラメータ感度分析と仮説変数の事後確率の制約

最確コンフィギュレーションを発見するためのモンテカルロ・アルゴリズムを含む同時確率分布の計算のサポート。

エビデンスの高速撤回を用いて可能な疑わしい知見を探すことができます。

矛盾（コンフリクト）の追跡と矛盾解決を含むデータ矛盾分析のサポート。

仮説駆動データ矛盾分析と仮説駆動矛盾分析。

ジャンクション・ツリーにおける詳細な矛盾分析のサポート。

離散確率変数と離散決定変数での情報価値分析。

min-max 信念の識別、エビデンスの部分集合の影響分析、仮説の判別、what-if分析、知見の影響度分析を含む、離散確率変数でのエビデンスの感度分析。

畳み込みとXOI損失モデル。

d-分離/d-接続分析。

データ分析。

ケース・マネージャ。

ROC分析。

マルコフ・ブランケットの表示。

離散確率ノードの対の間での相関分析。

LIMID内の決定ノードの必要な親の識別。

開発とドキュメンテーション

ノードとドメインでのユーザー定義属性。

ノードとドメインでのユーザー・データ。

読む込み可能なネットワーク・ファイル形式。

ノードとドメイン説明におけるハイパーリンク

Hugin ネットワーク言語とHugin ナレッジベース・ファイル形式でのズーム係数。

ノードのグルーピング。

信念バーを指数表記で描画させることが可能。

unicodeのサポート。

国際化（英語と日本語のサポートを含む）

外部アルゴリズムのサポートによるグラフ・レイアウト・アルゴリズム

ノードの名前、ラベル、位置、フォント、色、サイズの変更が可能。

活用ログとネットワーク・ログ情報。

表のインポートとエクスポート。

表、ネットワーク、確率、ジャンクション・ツリーのプリンタまたはファイルへの印刷。

HTML ネットワーク・ドキュメントの自動生成

分析ウィザードのいくつかの結果をCSVファイルとしてエクスポートが可能。

ラッグ'N'ドロップを含むhtmlコードの形式でのたくさんのヘルプ機能。

Hugin GUI をユーザーの好みを合わせてカスタマイズ可能。

マイクロソフトWindowsプラットフォーム、Sun Solaris (sparc and x86)、Linux Red Hatを含む幅広いプラットフォームでHugin GUIを利用可能。

HUGIN Decision Engineの機能一覧 7.2 - HDE 7.2

構築

ベイジアンネットワーク、連鎖グラフ（Huginネットワーク・ファイル形式によってのみ可能）、インフルエンス・ダイアグラム・モデル（Hugin Decision Engine内のドメインとして知られる）の構築。

• ドメイン/ノードの作成/複製/削除
• エッジの追加/消去
• ノードのステートのアクセス/変更

ラベル、論理、番号、区間のサブ・スタイルを持つ離散確率ノードと決定ノード。

複数の効用ノード（効用関数の付加的な分解を仮定）。

条件つきガウシアン分布変数。

条件つき確率分布、条件つきガウシアン密度、および効用関数の直接指定。

確率的関係および効用関数が、テーブル・ジェネレータを用いて数学的かつ論理的な記述子を用いて指定できる。

インスタンス・ノードのクラスの代入。

ノード親の代入。

テーブル・ジェネレータのサポート

• 離散分布（2項、負の2項、ポアソン、幾何、NoisyOr分布）
• 連続分布（正規ン、ベータ、ガンマ、指数、Weibull、一様、PERT、三角、対数正規）切り捨て演算子を含む。
• 論理演算子、条件演算子、比較演算子（(and, or, not, if-then-else, equals, less than, greater than, not equals, less than or equals, greater than or equals）
• 標準的な数学演算子（(add, subtract, multiply, divide, power, negate, min, max, log, exp, sqrt, log2, log10, sin, cos, tan, cosh, sinh, tanh, abs, ceil, floor, and mod）
• 確率表は一度生成されるだけでよいが、必要に応じて生成できる。
• 子の表を生成するときに使用する各区間親ノードの値の数が、ＡＰＩ（アプリケーション・プログラミング・インタフェース）を通してHugin推論エンジンに指定できる。

従属関係の統計的検定に基づいて、ケースのデータベースからベイジアンネットワークのグラフィカル構造を学習するためのPC アルゴリズム。

構造学習を実行する際に、ドメイン専門家の知識を指定できる。

離散変数の持つベイジアンネットワークでの条件つき確率分布の部分集合またはすべてのEM-学習。学習のスピードアップおよび学習アルゴリズムのガイド（penalized-EM）のために事前知識を指定できる。

オブジェクト指向ベイジアンネットワークでのEM-学習。この機能は、データから条件つき確率表を推定する際に、オブジェクト指向ベイジアンネットワークの構成を活用することを可能にする。

Hugin ネットワーク言語、 Hugin ナレッジベース形式および圧縮 Hugin ナレッジベース形式のファイル・サポート。

Hugin ナレッジベース・ファイルのパスワード・サポート。

ジャンクション・フォレスト（つまり、ジャンクション・ツリーの集合）げのドメインのコンパイル。クリークのジャンクション・ツリーを構築するためのさまざまなアルゴリズム：クリーク・サイズ、クリーク重み、 サイズ記入、重み記入、合計重み（最適）、best greedy（欲張り法）、およびユーザー指定。コンパイル・ログをドメインに関係づけることができる。ノードの除去順序をファイルに保存しファイルから読み込むことができる。

条件つき確率分布、密度関数および効用関数が、ジャンクション・ツリーの新しいコンパイルを実行せずに変更できて使用できる。

限定記憶インフエンス・ダイアグラム （LIMID）が、意思決定問題のモデリングのためのツールとして、インフルエンス・ダイアグラムに置き換えられる。

活用

ハード（インスタンス）およびソフト（尤度）エビデンスの両方の投入。

Hugin 推論エンジンが推論をスピードアップするために、最新の CPUのキャッシュを活用。

エビデンスの取り消し。

ドメインが非コンパイルされたとき、エビデンスがドメインから消去されない。また、ドメインがコンパイルされていないとき、エビデンスを入力して取り消しができる。

値またはラベルから、ステート・インデックスを回収。

ノードのコンフィグレーションからその表のインデックスを回収、またはその逆。

クリークのジャンクション・ツリーでのエビデンスの伝播

• 離散変数によるノーマルおよび高速取り消しモードでの総和および最大伝播
• 条件つきガウシアンと離散変数の混合によるノーマル・モードでのエビデンスの総和伝播（正確な計算）
• 伝播されたエビデンスの確率が伝播の結果として利用可能（規格化定数）。

離散変数の集合の結合確率分布、連続変数の結合密度、および混合の計算。

離散ノードの信念、条件つきガウシアン・ノードの密度を回収。

多重効用ノードと欠損非忘却リンクによる連続意思決定問題の解決。

決定ノードの期待効用の回収。

ベイジアンネットワークまたはクリークのジャンクション・ツリーを用いたサンプリングおよび、離散、条件つきガウシアン、および条件つきガウシアンと離散変数条件つきの混合のサンプリング。変数のコンフィギュレーションが、エビデンスによって決定された分布によってサンプリングできる。

エビデンスを持つノードの集合が、インスタンス化されたノードの先祖の集合を形成する場合の非コンパイル化ベイジアン・ネットワークでのサンプリング。

ゼロ圧縮。

近似。

効率的な推論と初期化をサポートするために、機能をメモリに保存。

マルチ・プロセッサ・システムでの確率推論のための並列処理。

ジャンクション・ツリーのナビゲーション。

ジャンクション・ツリーと投入されたエビデンスを hkb-ファイルのジャンクション・ツリーに保存。

修正

条件つき確率分布の部分集合の連続学習（適応）。またインフルエンス・ダイアグラムでも利用可能。条件つき確率表での信念が、経験カウントを用いて指定でき、事前知識の影響度が減退係数を用いて減退できる。

アーク反転。

条件つき確率分布および効用関数の内容を再配置。

分析

パラメータ感度分析。

最も確率の高いコンフィギュレーションを発見するために、モンテカルロ・アルゴリズムを含む結合確率分布の計算をサポート。

出力確率での強制の簡単な解決を可能にする多重出力確率の感度データの同時計算。

矛盾分析。

離散確率変数での情報の価値分析。

疑わしい知見が、エビデンス伝播の取り消しを用いて配置できる。

感度分析の実装をサポートする機能。

d-分離/接続分析。

LIMIでの決定ノードの必要な親の識別。

ドキュメンテーション

ノードやドメインでのユーザー定義属性。

ノードやドメインでのユーザー・データ。

読み取り可能なネットワーク・ファイル形式。

ノードの名前、ラベル、位置、サイズ変更。

豊富なリファレンス・マニュアルの形式でのたくさんのヘルプ機能。

Hugin Decision Engine はi、C API, C++ API, Java API, .NET API および ActiveX-serverとして利用可能です。

Hugin Decision Engine は、2つのバージョンを提供します： 単精度浮動小数点演算を用いたバージョンと倍精度浮動小数点演算を用いたバージョン。倍精度バージョンは、連続確率変数を用いた計算に（より大きな空間要求のコストの上で）有用です。単精度バージョンを用いてhkb-形式で保存されたドメインは、Hugin Decision Engineの倍精度バージョンで読み込みことができ、またその逆も可能です。 エラー・ハンドリング：Hugin Decision Engine の操作が失敗するといつでも、エラー・インジケータが返されます - そして、どのようなアクションをとるかｈ、アプリケーション次第です。

32ビットと64ビットAPI (Visual Basic APIの除く） が、MAC OS Xを除くすべてのプラットフォーム用で利用可能です。