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ています）を活用する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
• ノードの状態のアクセス／変更

階層ベイジアンネットワークとインフルエンス・ダイアグラムの構築。階層モデルは他のモデルをサブモデルとして包含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からなります。この機能は、継承のないオブジェクト指向のベイジアンネットワーク及びインフルエンス・ダイアグラムとみなすことができます。

ラベルづけ、ブーリアン、番号づけ、区間などのサブタイプを持つ離散チャンス・ノードとデシジョン・ノード。

1つ以上のユーティリティ・ノード （付加的な混合効用関数の仮定）。

条件つきガウス分布した変数 （正確な推論）。

条件つき確率分布、条件つきガウス密度、効用関数の直接指定。

確率的関係と効用関数は、テーブル・ジェネレータを用いて、数学的・論理的記述で指定できます。

活用

テーブル・ジェネレータは下記をサポートします。

• 離散分布 (Binomial, Negative Binomial, Poisson, Geometric, NoisyOr, Distribution)
  
• 連続分布 (Normal, Beta, Gamma, Exponential, Weibull, Uniform)
  
• 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)
  
• 標準の数学演算子 (add, subtract, multiply, divide, power, negate, min, max, log, exp, sqrt, log2, log10, sin, cos, tan, cosh, sinh, tanh, abs, ceil, floor, mod)
  
• 表は一度生成されるだけでよいのですが、必要に応じて生成されます。それは個別のノードのための表を含みます。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とHugin KBファイルの中にストアされます。
  

ベイジアン・ネットワークの構造と条件つき確率分布は、Learning Wizard（学習ウィザード）を用いてデータから推定することができます。.

Learning Wizardのサポート:

• データ獲得（ODBCを介したデータベース接続、Oracleデータベースとのインタフェース、及びプレーン・テキスト・ファイル）、
• データ前処理（例えば、状態（state）のリラベリングや連続変数の打ち切り）、
• ドメイン・エキスパート・ナレッジの指定（つまり、構造的制約）、
• PCアルゴリズムによる構造学習、
• データ中に見つかったリンクの相対強度の検出のためのデータ従属性スライダー、
• 条件つき確率分布のランダム生成（EM学習の一部のして使用）、
• EMアルゴリズムを使った条件つき確率分布の推定。

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な構造を学習するためのPCアルゴリズム。

グラフィカルな構造のレイアウトのためのアルゴリズム、たとえばデータから推定される構造。.

離散変数を持つベイジアン・ネットワークにおける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と学習の方向付けのために重要な知識を指定できます（penalized-EM）。

ノード、ネットワーク・フラグメント、条件つき確率テーブルのためのカット・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・フォーマットのためのファイル・サポート。

ジャンクション・フォレスト（つまり、結合木の集合）へのドメインのコンパイル。クリークの結合木を構築するための様々なアルゴリズム：クリーク・サイズ、クリーク重み、フィルイン・サイズ、フィルイン重み、合計重み（最適）。コンパイルのログがドメインに関連づけられます。

条件つき確率分布、密度関数、効用関数は、結合木のコンパイルを新たに実行することなしに、変更・使用ができます。

ハード（インスタンス化）及びソフト（尤度）evidence（確定値）の挿入。

確定値はドメインがアンコンパイルされても、ドメインから消去されません。また、 確定値は、ドメインがコンパイルされないとき、入力されリトラクトされます。

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

確定値のリトラクション。

クリークの決定木における確定値のプロパゲーション（伝播）

• 離散変数を持つノーマル及びファースト・リトラクション・モードでの合計及び最大プロパゲーション
  
• 条件つきガウス及び離散変数の混合によるノーマル・モードにおける合計プロパゲーション（正確な計算）
  
• 伝播された確定値の確率は、伝播の結果として利用可能（規格化定数）
  

離散ノードの信念及び条件つきガウス・ノードの密度の回収。

ノードの信念のさまざまな表示方法。たとえば、ウィンドウ・モニター、欄外リスト、条件つきガウス分布した変数の平均値及び分散、正確な分布の表示など。.

多重効用ノードと非忘却リンクの不足によるシーケンシャルな意思決定問題の解決。

デシジョン・ノードの期待効用値のさまざまな表示方法（モニター・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とMCAR).

ゼロ圧縮。

近似。

結合木（クリーク・テーブルなし）とhkb-file内の結合木に入力された信念の保存。.

リビジョン

条件つき確率分布の部分集合のシーケンシャルな学習（適応）。また、インフルエンス・ダイアグラムでも利用可能。条件つき確率テーブルの信念は、経験値を用いて指定でき、重要なナレッジのインパクトは、フェーディング係数によってだんだん減らすことができます。

アーク・リバーサル。

条件つき確率分布と効用関数の中身の配置換え。

解析

確定値伝播のファースト・リトラクションを用いて、可能な疑いを発見することが可能。

マニュアル

ノード及びドメインにおけるユーザ定義属性。.

ノード及びドメインにおけるユーザ・データ。

読み込み可能なネットワーク・ファイル形式。

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

ノードのグルーピング。

ノードの名前、ラベル、位置、フォント、色、サイズの変更。

テーブルとネットワークの印刷とファイル出力。

HTMLコードの形式でのたくさんのヘルプ機能。

Hugin GUI はユーザの好みに応じてカスタマイズできます。

Hugin GUI は、Microsoft Windows platforms, Sun Solaris (sparc and x86), Linux Red Hat.を含む広い範囲のプラットフォームで利用可能です。