lab6.pdf
(
294 KB
)
Pobierz
Razem_SB.pdf
Katedra
Podstaw
Konstrukcji
Maszyn
Wydział
Mechaniczny
Technologiczny
MetodySztucznej
Inteligencji
Politechnika
Śląska
KierunekstudiówETI,ZiIP,semestr4
Prowadzącyprzedmiot
drinż.AnnaTimofiejczuk
Rokakademicki2005/06
Instrukcjadoćwiczeńlaboratoryjnych
Ćwiczenie7
Temat
Sieciprzekonań
Opracował:mgrinż.M.Bednarski
ul.Konarskiego18a
44-100Gliwice
tel.2371467
fax.2371360
ZastępujeinstrukcjęMGM2002PN15-001
http://kpkm.polsl.pl
MGM2002PN15-002 Gliwice2006-05-04
-1/15-
1.Celćwiczenia
Celemćwiczeniajestzapoznaniesięzzagadnieniamimodelowaniazzastosowaniemsiecibay-
esowskichinabyciepraktycznychumiejętnościdefiniowaniaistosowaniatychsieci.Wramach
ćwiczeństosowanebędzieoprogramowanieNETICA,któregowersjademonstracyjna(wystar-
czającadoprzeprowadzeniaćwiczenia)jestdostępnapoprzezwitrynęhttp://www.norsys.com/
wybierając”Downloads”i”Netica”.
2.Wprowadzenie
2.1.Siećbayesowska
Siećbayesowskatoacykliczny(niezawierającycykli)grafskierowanywktórymwęzłyreprezen-
tujązmienne(np.temperaturęjakiegośźródła,stanpacjenta,cechęobiektuitp.)askierowane
gałęzieinformacyjnąlubprzyczynowązależnośćpomiędzytymizmiennymi.Zależnośćtajest
określonaprzezwarunkoweprawdopodobieństwo,którejestprzypisanedokażdegopołączenia
pomiędzywęzłamiwsieci.Zmiennereprezentowaneprzezwęzłyprzyjmująwartościdyskretne
(np.: TAK, NIE). Rysunek 1 przedstawia prostą sieć bayesowską. Opisuje ona relacje przy-
czynowe pomiędzy wystąpieniem zachmurzenia i zraszaniem trawy, pomiędzy wystąpieniem
zachmurzeniaawystąpieniemdeszczuipomiędzyzraszaniemtrawy,iwystąpieniemdeszczu
amokrątrawą.Obokkażdegowęzłaprzedstawionotablicęprawdopodobieństwwarunkowych
np. dla węzła
D
prawdopodobieństwo, że działał zraszacz (
B
=
Tak
), nie padał deszcz
(
)itrawajestmokra(
D
=
Tak
)jestrówne
0
,
9
(drugiwiersz).
2.2.Konstruowaniesiecibayesowskiej
Abywnioskowaćnapodstawiedanychnależynajpierwzbudowaćsiećbayesowską.Generalnie
utworzenietakiejsieciwymagapomocyekspertazdziedziny,którejdotyczytworzonymodel,
w celu określenia właściwych zależności przyczynowych i prawdopodobieństw warunkowych.
W tym celu możliwe jest również zastosowanie technik uczenia. Większość oprogramowania
komputerowegodotyczącegobudowaniasiecibayesowskichpozwalanapodstawiedanychtre-
nującychwyznaczyćodpowiednieparametrysieci(warunkowerozkładyprawdopodobieństwa).
Istniejąrównieżbardziejzłożoneprogramykomputerowepozwalającewyznaczyćzwiązkiprzy-
czynowepomiędzyzmiennymi(strukturęsieci).Kolejnekrokitworzeniasiecibayesowskiej(bez
użyciadanychtrenujących)ijejstosowanie:
zdefiniowaniezmiennych,
•
zdefiniowaniepołączeńpomiędzyzmiennymi,
•
określenieprawdopodobieństwwarunkowychi”apriori”
1
,
1
”a priori” - (z łaciny - z założenia) - niezależne od doświadczenia, zdobyte na podstawie rozumowania,
intuicjęitp.
MGM2002PN15-002 Gliwice2006-05-04
-2/15-
C
=
Nie
•
Rys.1:Przykładowasiećbayesowska,zmodyfikowanyprzykładpokazanyw[5]
•
wprowadzeniedosiecidanych,
•
uaktualnieniesieci,
•
wyznaczenieprawdopodobieństw”aposteriori”
2
.
2.3.Przykładwnioskowaniazapomocąsieci
Siecprzedstawionąnarys.1będziemyrozpatrywaćdlatrzechsytuacji:
1. niewiemynictzn.niewiemyczywystąpiłozachmurzenie,czypadałdeszcz,czydziałał
zraszacziczytrawajestmokra,
2. wiemy,żetrawajestmokra,
3. wiemy,żewystępujezachmurzenieoraztrawajestmokra.
Rysunki 2,3,4 przedstawiają odpowiednio rozkłady prawdopodobieństw (określonew procen-
tach)wkażdymwęźle.
Z porównania rysunku 3 i 2 wynika, że wiadomość o tym iż trawa jest mokra pozwala
zwiększyćnaszeprzekonanieotym,żepadałdeszcz(z50%do70%)orazotym,żedziałał
zraszacz(z30%do43%).
Z porównania rysunków 4 i 3 wynika, że dodatkowa wiadomość o tym iż występuje za-
chmurzeniepozwalazwiększyćprzekonanie,żepadałdeszcz(z70%do97,6%)orazznacznie
zmniejszyć przekonanie o tym, że działał zraszacz (z 42% do 13%). Gdybyśmy ponadto w
2
”aposteriori”(złaciny-znastępstwa)-uzyskanenapodstawiedoświadczenia
MGM2002PN15-002 Gliwice2006-05-04
-3/15-
Rys.2:Rozkładyprawdopodobieństwadlasytuacji1(”niewiemynic”).
Rys.3:Rozkładyprawdopodobieństwadlasytuacji2(”wiemy,żetrawajestmokra”).
Rys. 4: Rozkłady prawdopodobieństwa dla sytuacji 3 (”wiemy, że występuje zachmurzenie i
trawajestmokra”).
MGM2002PN15-002 Gliwice2006-05-04
-4/15-
kolejnymkrokustwierdzili,żezraszaczniedziałatonaszeprzekonanieotym,żepadałdeszcz
wzrastado100%.
2.4.ZastosowanieprogramuNETICAdotworzeniasiecibayesowskiej
2.4.1.Stosowaniesieci
Omawianywyżejprzykład,zapisanywprogramieNETICAprzedstawiononarysunku5.Obli-
czoneprawdopodobieństwapokazanograficznie.Wskazującprawymklawiszemmyszyodpo-
wiedni węzeł uzyskuje się dostęp do menu kontekstowego węzła, w którym możemy nadać
węzłowiwartość(wprzypadku,gdyjestonaznananp.TAKlubNIE).Domyślnieprzyjmowana
jestwartość
Unknown
,oznaczającanieznanąwartośćdanegowęzłaPrzypisaniewartościwę-
złowipowodujezmianyrozkładówprawdopodobieństwpozostałychwęzłów,którychwartości
niezostałyustalone.
Rys.5:OknogłówneprogramuNETICA).
2.4.2.Zapisywaniesieci
Zapisywanie modelu należy rozpocząć od wstawienia węzłów poleceniem
Add Nature Node
(menugórne-
Modify
lubikona ).Postworzeniuwęzłainadaniumuodpowiedniejnazwy
(
niewolno
używaćpolskichznakówdiakrytycznychorazspacji,wtytulewęzłamożnaużywać
spacji)należyokreślićmożliwewartości(stany)węzła(lubpozostawićdomyślnestanyTruei
False)woknie(rys.6),któreotwierasiępodwójnymkliknięciemnawęźle.
Abywprowadzićgałąźłączącądwawęzły(wprowadzićrelacjęprzyczynową)należy:
1. zmenugórnego
Modify
wybraćpolecenie
AddLink
lubwybraćikonę ,
MGM2002PN15-002 Gliwice2006-05-04
-5/15-
Plik z chomika:
MarWag987
Inne pliki z tego folderu:
metody sztucznej inteligencji.rar
(21212 KB)
lab1.pdf
(469 KB)
lab2.pdf
(303 KB)
lab3.pdf
(119 KB)
lab4.pdf
(177 KB)
Inne foldery tego chomika:
Bsiwm - Badania struktury i własnosci materiałów
Epgmipg - Elementy polityki gospodarczej, marketingu i prawa gospodarczego
Ja - Jezyk angielski
Mde - Materiały dla elektroniki
Mk - Materiały kompozytowe
Zgłoś jeśli
naruszono regulamin