@DEMO {,
  title = {Open source C   software for approximate inference on planar graphs},
  author = {G{\'o}mez, Vicen\c{c}},
  year = {2009},
  keywords = {open source, library, approximate inference},
  abstract = {Probabilistic graphical models, and in particular Bayesian networks, are nowadays well established as a modeling tool for domains with
uncertainty.  A drawback is that large, complex graphical models are intractable for exact computation. Therefore there is a lot of research interest in approximate inference.

The lack of open source "reference" implementations hampers progress in research on approximate inference. Methods differ widely in terms of quality and performance characteristics, which also depend in different ways on various properties of the graphical models. Finding the best approximate inference method for a particular application therefore often requires empirical comparisons. However, implementing and debugging these methods takes a lot of time which could otherwise be spent on research. Therefore we have developed libDAI. libDAI is a free/open source C   library (licensed under GPL) that provides implementations of various (deterministic) approximate inference methods for discrete graphical models. libDAI supports arbitrary `factor graphs` with discrete variables (this includes discrete Markov Random Fields and Bayesian Networks). 

This release is an additional contribution to the LibDAI library. This code implements the Z2 algorithm, a particular way of correcting the Belief Propagation (BP) solution, developed in the ICIS project SNN1 (see Gomez (2009), Approximate inference on planar graphs using Loop Calculus and Belief Propagation).},
id={cdm-snn4-2009-1},
}