Transcript PPT

Bayes (Belief) networks – Mạng Bayes (hay niềm tin)
•
•
•
•
Conditional independence – Độc lập có điều kiện
Syntax and semantics – Cú pháp và ngữ nghĩa
Exact inference - Suy diễn chính xác
Approximate inference – Suy diễn xấp xỉ
CS 561, Session 29
1
Independence – Độc lập (hoàn toàn độc lập)
CS 561, Session 29
2
Conditional independence – Độc lập có điều kiện
CS 561, Session 29
3
Conditional independence – Độc lập có điều kiện (tiếp)
CS 561, Session 29
4
Conditional independence – Độc lập có điều kiện (tiếp)
CS 561, Session 29
5
Conditional independence – Độc lập có điều kiện (tiếp)
P(Cavity),P(¬Cavity)
Cavity
Toothache
Catch
P(Toothache|Cavity), P(¬Toothache|Cavity),
P(Toothache|¬Cavity), P(¬Toothache|¬Cavity)
P(Catch|Cavity), P(¬Catch|Cavity),
P(Catch|¬Cavity), P(¬Catch|¬Cavity)
CS 561, Session 29
6
Belief networks – Mạng niềm tin
CS 561, Session 29
7
Example – Ví dụ về mạng niềm tin
CS 561, Session 29
8
Semantics – Ngữ nghĩa
CS 561, Session 29
9
Semantics – Ngữ nghĩa
CS 561, Session 29
10
Constructing belief networks – Xây dựng mạng niềm
tin
CS 561, Session 29
11
CS 561, Session 29
12
CS 561, Session 29
13
CS 561, Session 29
14
CS 561, Session 29
15
CS 561, Session 29
16
CS 561, Session 29
17
Inference in Bayes (belief) networks
•
•
•
•
Exact inference by enumeration
Exact inference by variable elimination
Approximate inference by stochastic simulation
Approximate inference by Markov chain Monte Carlo (MCMC)
CS 561, Session 29
18