Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ZII_zachet.docx
Скачиваний:
1
Добавлен:
01.07.2025
Размер:
50 Кб
Скачать
☆

Вопрос 9. Байесовы сети. Представление знаний и вывод.

Байесовская сеть  — графическая вероятностная модель, представляющая собой множество переменных и их вероятностных зависимостей. Например, байесовская сеть может быть использована для вычисления вероятности того, чем болен пациент по наличию или отсутствию ряда симптомов, основываясь на данных о зависимости между симптомами и болезнями. Математический аппарат байесовых сетей создан американским ученым Джудой Перлом, лауреатом Премии Тьюринга (2011).

Формально, байесовская сеть — это направленный ациклический граф, каждой вершине которого соответствует случайная переменная, а дуги графа кодируют отношения условной независимости между этими переменными. Вершины могут представлять переменные любых типов, быть взвешенными параметрами, скрытыми переменными или гипотезами. Существуют эффективные методы, которые используются для вычислений и обучения байесовских сетей. Если переменные байесовской сети являются дискретными случайными величинами, то такая сеть называется дискретной байесовской сетью.

Представление знаний

Рассмотрим фрагмент представления медицинской БЗ, в которой можно выделить заболевания, симптомы их проявления, а также факторы риска, влияющие на возникновение заболеваний. Пусть некоторая упрощённая модель качественного описания БЗ имеет вид. Эта модель соответствует следующему набору медицинских знаний:

  • Одышка ("o") может быть вследствие туберкулёза ("t"), рака лёгких ("r") или бронхита ("b"), а также вследствие ни одного из перечисленных заболеваний или более, чем одного.

  • Визит в Азию ("a") повышает шансы туберкулёза ("t").

  • Курение ("k") - фактор риска, как для рака ("r"), так и бронхита ("b").

  • Результаты рентгена, определяя затемнённость в лёгких не позволяют различить рак ("r") и туберкулёз ("t"), так же как не определяет факт наличия или отсутствия одышки ("o").

Последний факт представляется в графе промежуточной переменной (событием) "tr". Эта переменная соответствует логической функции "или" для двух родителей "t" и "r". Она означает наличие либо одной, либо двух болезней или их отсутствие.

Если имеется факт, что пациент курит, то мы устанавливаем наши доверия относительно рака и бронхита. Однако наши доверия относительно туберкулёза не изменяются. То есть событие "t" условно не зависит, от события "k" при данном пустом множестве переменных: p( t | k ) = 0

Поступления положительного результата рентгена пациента повышают наши доверия относительно туберкулёза и рака, но не относительно бронхита. То есть событие "b" - условно не зависит от "x" при данном "k": p( b | x,k ) = p( b | k )

Однако, если бы знали также, что у пациента учащённое дыхание ("o"), то рентгеновские результаты также имели бы воздействие на наше доверие относительно бронхита. То есть событие "b" условно зависит от "x" при данных "o" и "k". Таким образом, логический вывод в БСД означает вычисление условных вероятностей для одних переменных при наличии информации (свидетельств) о других. При этом для распространения вероятностей используется теорема Байеса.

Вероятностный вывод

В силу того, что байесовская сеть — это полная модель для переменных и их отношений, она может быть использована для того, чтобы давать ответы на вероятностные вопросы. Например, сеть можно использовать, чтобы получить новое знание о состоянии подмножества переменных, наблюдая за другими переменными (переменные-свидетельства). Это процесс вычисления апостериорного распределения переменных по переменным-свидетельствам называют вероятностным выводом. Байесовская сеть может также считаться механизмом для автоматического построения расширения теоремы Байеса для более сложных задач.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]