Ακριβής Συμπερασμος σε δίκτυα Bayes με τη μέθοδο της Απαρίθμησης

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Προσομοίωση Απλού Μοντέλου Markov σε
Advertisements

Πιθανότητες & Τυχαία Σήματα
Παπακώστας Μιχάλης ΑΜ:
ΗΜΕΡΟΛΟΓΙΟ ΕΡΕΥΝΗΤΙΚΩΝ ΕΡΓΑΣΙΩΝ ΟΜΑΔΑ (Γ) ΗΜΕΡΟΛΟΓΙΟ ΕΡΕΥΝΗΤΙΚΩΝ
Ασκήσεις Συνδυαστικής
Πιθανότητες & Τυχαία Σήματα Συσχέτιση
Robustness in Geometric Computations Christoph M. Hoffmann.
Μια Μπεϋζιανή Μέθοδος για την Επαγωγή Πιθανοτικών Δικτύων από Δεδομένα ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΗΧ/ΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ B. Μεγαλοοικονόμου, Χ. Μακρής.
1 ΠΟΛΥΜΕΣΑ ΚΑΙ ΔΙΚΤΥΑ Μάθημα 1 ο : Μέσα και πολυμέσα Εισηγήτρια:Αναστασία Κατρανίδου.
Δίκτυα Ουρών - Παραδείγματα
© 2002 Thomson / South-Western Slide 4A-1 Κεφάλαιο 4, Μέρος A Πιθανότητες.
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 3) 1 Από κοινού κατανομή δύο ΤΜ Στην περίπτωση που υπάρχουν δύο ΤΜ ενδιαφέροντος, η συνάρτηση κατανομής.
4. Συνδυαστική Λογική 4.1 Εισαγωγή
ΑΝΑΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΚΕΦΑΛΑΙΟ 1ο ΚΕΦ. 1-ΑΝΑΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΑΕΠΠ.
ΕΝΟΤΗΤΑ 2: ΤΟ ΛΟΓΙΣΜΙΚΟ ΤΟΥ ΥΠΟΛΟΓΙΣΤΗ
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 16/05/13 Δίκτυα Ουρών. ΔΙΚΤΥΟ ΔΥΟ ΕΚΘΕΤΙΚΩΝ ΟΥΡΩΝ ΕΝ ΣΕΙΡΑ Θεώρημα Burke: Η έξοδος πελατών από ουρά Μ/Μ/1 ακολουθεί κατανομή Poisson.
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 4) 1 Από κοινού κατανομή πολλών ΤΜ Ορίζεται ως από κοινού συνάρτηση κατανομής F(x 1, …, x n ) n τυχαίων.
Kεφάλαιο 4 ΑΛΓΟΡΙΘΜΟΙ-ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ (αναλυτική προσέγγιση)
ΕΝΟΤΗΤΑ 2 – Κεφάλαιο 5: To λογισμικό του υπολογιστή
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 8.3) 1 Mηχανική πετρωμάτων Στην εφαρμογή που παρουσιάζεται στην ενότητα αυτή, η γενική γνώση περιλαμβάνει.
Φροντιστήριο – Συμπληρωματικές Ασκήσεις
Ποια είναι η διαδικασία της διερεύνησης; Έχω ένα πρόβλημα Η κυρία Καθαρούλα δεν καταφέρνει να καθαρίσει τους λεκέδες από τα ρούχα των παιδιών της και θέλει.
Θεωρία Γράφων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές
Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Εισαγωγή στην Επεξεργασία Ερωτήσεων.
Κοινωνικοοικονομική Αξιολόγηση Επενδύσεων Διάλεξη 6η
Ανάκτηση Πληροφορίας 1 Multimedia IR Multimedia IR Δεικτοδότηση και Αναζήτηση.
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Δίκτυα Ουρών Β. Μάγκλαρης Β. Μάγκλαρης Σ. Παπαβασιλείου Σ. Παπαβασιλείου
Κεφάλαιο 1ο Ανάλυση προβλήματος.
Διάλεξη 14: Εισαγωγή στη ροή ρευστών
ΕΝΟΤΗΤΑ 2 – Κεφάλαιο 5: Γνωριμία με το Λογισμικό
Advanced Data Indexing (Προηγμένη ευρετηρίαση δεδομένων) Ροές Δεδομένων (3 ο Μέρος)
Τι είναι η Κατανομή (Distribution)
Συνδετικότητα γραφήματος (graph connectivity). α β Υπάρχει μονοπάτι μεταξύ α και β; Παραδείγματα: υπολογιστές ενός δικτύου ιστοσελίδες ισοδύναμες μεταβλητές.
ΚΡΙΣΙΜΟ ΣΥΜΒΑΝ ΖΑΝΝΕΙΟΣ ΣΧΟΛΗ Γ ΄ΛΥΚΕΙΟΥ ( ΤΕΧΝΟΛΟΓΙΚΗ ) ΠΛΥΤΑ ΕΛΕΝΗ 08/03/2013.
ΔΟΜΗ ΕΠΑΝΑΛΗΨΗΣ ΟΣΟ ΣΥΝΘΗΚΗ ΕΠΑΝΑΛΑΒΕ ΕΝΤΟΛΕΣ ΕΝΤΟΛΕΣΤΕΛΟΣ_ΕΠΑΝΑΛΗΨΗΣ.
1.4 Καθορισμός απαιτήσεων Είναι η διαδικασία κατά την οποία πρέπει να κάνουμε: ✗ τον επακριβή προσδιορισμό των δεδομένων που παρέχει το πρόβλημα ✗ την.
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι 7 η Διάλεξη Η ΜΕΘΟΔΟΣ ΤΟΥ ΓΕΩΜΕΤΡΙΚΟΥ ΤΟΠΟΥ ΡΙΖΩΝ  Ορισμός του γεωμετρικού τόπου ριζών Αποτελεί μια συγκεκριμένη καμπύλη,
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 8η Στοχαστικά Σήματα - 1.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II Καθ. Πέτρος Π. Γρουμπός Διάλεξη 4η Δειγματοληψία.
Ασκήσεις WEKA.
Έβδομο μάθημα Ψηφιακά Ηλεκτρονικά.
Στατιστικές Υποθέσεις
ΑΛΓΟΡΙΘΜΟΣ ΠΡΟΒΛΗΜΑ ΑΛΓΟΡΙΘΜΟΣ ΛΥΣΗ
Προβλήματα Ικανοποίησης Περιορισμών
Όγδοο μάθημα Ψηφιακά Ηλεκτρονικά.
Ποιοτική μεθοδολογία έρευνας στη Διδακτική των Μαθηματικών
Άσκηση 2-Περιγραφικής Στατιστικής
Χρονικός Προγραμματισμός Έργων (Εργαστήριο)
Διδάσκων: Δρ. Τσίντζα Παναγιώτα
Λήψη Απλών Αποφάσεων 16/12/2017 Λήψη Απλών Αποφάσεων.
Ανάπτυξη Μοντέλων Διακριτών Συστημάτων Μέρος Β
ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Διάλεξη 5: Απλοποίηση (βελτιστοποίηση) λογικών συναρτήσεων με την μέθοδο του χάρτη Karnaugh (2ο μέρος) Δρ Κώστας Χαϊκάλης ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ.
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ II
Στατιστική Επιχειρήσεων
ΙΔΙΟΤΗΤΕΣ ΤΟΥ ΕΔΑΦΟΥΣ Το αντικείμενο της εδαφομηχανικής είναι η μελέτη των εδαφών, με στόχο την κατανόηση και πρόβλεψη της συμπεριφοράς του εδάφους για.
ΧΡΟΝΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΩΝ
Κατανομές πιθανοτήτων
Εργασία για το μάθημα «Συγκίνηση και Νόηση»
ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Κεφάλαιο 3 Ασαφείς Συνεπαγωγές
ΚΕΦΑΛΑΙΟ 1 Ανάλυση προβλήματος.
Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον
Παρουσίαση Τίτλος Δευτερεύων τίτλος παρουσίασης
Χειμερινό εξάμηνο 2017 Πέμπτη διάλεξη
Λογικές πύλες και υλοποίηση άλγεβρας Boole ΑΡΒΑΝΙΤΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ(ΣΥΝΕΡΓΑΤΕΣ):ΔΗΜΗΤΡΙΟΣ ΔΑΒΟΣ- ΜΑΡΙΑ ΕΙΡΗΝΗ KAΛΙΑΤΣΗ-ΦΡΑΤΖΕΣΚΟΣ ΒΟΛΤΕΡΙΝΟΣ… ΕΠΠΑΙΚ ΑΡΓΟΥΣ.
Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Τ.Ε.Ι. Κρήτης Σχολή Τεχνολογικών Εφαρμογών Τμ. Μηχανικών Πληροφορικής
Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ
Ερωτήματα Επιλογής σε ACCESS
ΗΜΥ-210: Λογικός Σχεδιασμός Εαρινό Εξάμηνο 2005
ΔΙΟΙΚΗΣΗ & ΔΙΑΧΕΙΡΙΣΗ ΕΡΓΩΝ
Μεταγράφημα παρουσίασης:

Ακριβής Συμπερασμος σε δίκτυα Bayes με τη μέθοδο της Απαρίθμησης

Εισαγωγή Σκοπός: Συνέχεια της παρουσίασης: Υλοποίηση της μεθόδου απαρίθμησης, για ακριβή συμπερασμό πάνω σε οποιοδήποτε δίκτυο Bayes διακριτών τιμών Συνέχεια της παρουσίασης: Λίγα λόγια για ακριβή συμπερασμό και η παρουσίαση της μεθόδου απαρίθμησης Η υλοποίηση της μεθόδου

Ακριβής Συμπερασμός σε δίκτυα Bayes Ο υπολογισμό της εκ των υστέρων κατανομής  ενός ερωτήματος, έχοντας ως δεδομένο κάποιο συμβάν X οι μεταβλητή ερωτήματος (query variables) Y οι μεταβλητές μαρτυρίας-συμβάν (evidence variables) Z οι κρυφές μεταβλητές (hidden variables) Η πιθανότητα του ερωτήματος X δοθέντος του συμβάντος e είναι: όπου α παράγοντας κανονικοποίησης της πιθανότητας [0-1], είναι: P(e) =Σx,y P(X, e, y) (Πιθανότητα του συμβάντος)

Η μέθοδος της Απαρίθμησης Υλοποιείται: Με την άθροιση των πιθανοτήτων όλων των ατομικών συμβάντων για ένα (ερώτημα | συμβάντος) Όπου, σαν ατομικά συμβάντα, ορίζονται όλοι οι πιθανοί συνδυασμοί των κρυφών μεταβλητών Η μέθοδος της απαρίθμησης έχει σαν βάση γνώσης της: το δίκτυο Bayes (το οποίο μας δίνει τις υπό συνθήκη ανεξαρτισίες των μεταβλητών) τους πίνακες CPT (τις κατανομές των πιθανοτήτων των μεταβλητών)

Παράδειγμα ενός απλού δικτύου Bayes Ποια η πιθανότητα να έχει βρέξει δοθέντος ότι το γρασίδι είναι υγρό, P(G=Τ | R=Τ) ?

Υπολογισμός με τη μέθοδο της Απαρίθμησης Η συνδιασμένη κατανομή πιθανότητας όπως αυτή προκύπτει από την τοπολογία του δικτύου θα είναι: P(G, S, R) = P(G | S, R) P(S | R) P(R) Άρα η πιθανότητα να έχει βρέξει δοθέντος ότι το γρασίδι είναι υγρό, με τη μέθοδο απαρίθμησης θα είναι:

Η υλοποίηση της μεθόδου Ακολουθεί μια σχηματική αναπαράσταση της υλοποίησης, τα μέρη από τα οποία αποτελείται και η χρηστικότητα καθενός από αυτά. Η μορφή, καθώς και ο τρόπος δόμησης της πληροφορία του xml αρχείου το οποίο περιγράφει το δίκτυο, (τις μεταβλητές, από τις οποίες αποτελείται τη διασύνδεση του δικτύου και τις κατανομές πιθανοτήτων της κάθε μεταβλητής), φαίνεται εδώ.

Το σύστημα στην πράξη Ας δούμε το σύστημα να εκτελεί Ακριβή Συμπερασμό στο απλοϊκό δίκτυο Bayes για το ίδιο ερώτημα όπως διατυπώθηκε προηγουμένως: P(G=Τ | R=Τ) Προδιαγραφές: Το σύστημα έχει υλοποιηθεί και για Linux αλλά και για Windows Οι μεταβλητές του δικτύου θα πρέπει να αποτελούνται από μία λέξη, π.χ. ΟΧΙ “GRASS WET” ή “GRASS-WET” αλλά “”GRASSWET” ή “GRASS_WET”

Το σύστημα στην πράξη-1 Τρέχουμε το run και το σύστημα μας ζητά να του δώσουμε το δίκτυο (το xml αρχείο)

Το σύστημα στην πράξη-2 Θέτουμε το ερώτημά μας: ΜέταβλΕρωτ_Χ=Α,ΜεταβλΕρωτ_Υ=Β,...|ΜεταβλΜαρτ_Ζ=Γ, ΜεταβλΜαρτ_Κ=Δ,...

Υπολογίζει την πιθανότητα του ερωτήματος. Το σύστημα στην πράξη-3 Υπολογίζει την πιθανότητα του ερωτήματος.