شبکه های بیزین که با نام شبکه های اعتقاد هم شناخته می شوند، متعلق به خانواده مدل های گرافیکی احتمالاتی هستند. این ساختارهای گرافیکی برای نشان دادن اطلاعات در یک حوزه دارای عدم قطعیت به کار می روند. به طور خاص هر گره در گراف نشان دهنده یک متغیر تصادفی است و شاخه ها (کمان) وابستگی های احتمالاتی بین متغیرها را نشان می دهند. این وابستگی های شرطی غالبا به وسیله روش های آماری و احتمالاتی مشخص ارزیابی می شوند. شبکه های بیزین اصولی از نظریه گراف، نظریه احتمالات، علوم کامپیوتر و آمار را با هم ترکیب می کنند.

 

شکل۱-۱ یک شبکه بیزین

به طور کلی مدل های گرافیکی با شاخه های بدون جهت، میدان های تصادفی مارکوف یا شبکه های مارکوف نامیده می شوند. این شبکه ها یک تعریف ساده برای استقلال بین متغیرها بر مبنای مفهوم لایه مارکوف فراهم می کنند. شبکه های مارکوف در زمینه هایی نظیر فیزیک آماری و بینایی کامپیوتر بسیار مشهور هستند.

شبکه های بیزین متعلق به ساختار دیگری از مدل های گرافیکی به نام گراف های غیرمدور جهت دار هستند که در زمینه های آماری، یادگیری ماشینی و هوش مصنوعی بسیار مشهور هستند. شبکه های بیزین نمایش و محاسبات موثری از توزیع احتمالاتی مشترک به روی یک سری متغیر تصادفی را فراهم می آورند. به علاوه شبکه های بیزین شدت ارتباط بین متغیرها را به صورت کمی مدل می کنند که اجازه می دهند با دسترسی به اطلاعات جدید، اعتقاد شرطی در مورد آنها به صورت خودکار به روز رسانی شود.

شبکه های بیزین مدل های بسیار معروفی در دهه اخیر شده اند. این شبکه ها کاربردهای بسیاری در زمینه های مختلف نظیر یادگیری ماشینی، کاوش متن، پردازش زبان طبیعی، شناسایی صدا، پردازش سیگنال، بیوانفورماتیک، کدهای کنترل خطا، تشخیص پزشکی، پیش بینی هوا و شبکه های سلولی پیدا کرده اند.