Bab ini menggambarkan jaringan Bayesian,
representasi baik dikembangkan untuk pengetahuan pasti. Jaringan Bayesian
memainkan peran kasar analog dengan logika proporsional untuk pengetahuan yang
pasti. Sebuah jaringan Bayesian adalah grafik asiklik diarahkan yang node
sesuai dengan variabel acak; setiap node memiliki distribusi bersyarat untuk
node, mengingat orang tuanya. Jaringan Bayesian menyediakan cara ringkas
untuk mewakili bersyarat kemerdekaan rela-hubungan sosial dalam domain.
Sebuah jaringan Bayesian menentukan
distribusi gabungan penuh; setiap entri sendi didefinisikan sebagai produk dari
entri yang sesuai dalam distribusi bersyarat lokal. Sebuah jaringan Bayesian
seringkali eksponensial lebih kecil dari distribusi gabungan secara eksplisit
disebutkan. Banyak distribusi bersyarat dapat diwakili kompak oleh
keluarga kanonik distribusi. Jaringan Bayesian Hybrid, yang meliputi kedua
variabel diskrit dan kontinu, menggunakan berbagai distribusi kanonik.
Inferensi dalam jaringan Bayesian berarti
menghitung distribusi probabilitas dari satu set variabel query, diberi satu
set variabel bukti. Algoritma inferensi yang tepat, seperti eliminasi variabel,
mengevaluasi sejumlah produk dari probabilitas kondisional sebagai secara
efisien mungkin. Dalam polytrees (terhubung jaringan tunggal), kesimpulan yang
tepat membutuhkan waktu linier dalam ukuran jaringan. Dalam kasus umum,
masalahnya adalah sulit dipecahkan.
Teknik pendekatan Stochastic seperti
kemungkinan pembobotan dan rantai Markov Monte Carlo dapat memberikan perkiraan
yang wajar dari probabilitas posterior benar dalam kerja bersih dan dapat
mengatasi dengan jaringan yang jauh lebih besar daripada yang bisa tepat
algoritma. Teori probabilitas dapat dikombinasikan dengan ide-ide
representasi dari logika orde pertama untuk menghasilkan sistem yang sangat
kuat untuk pertimbangan di bawah ketidakpastian, Relational probabilitas 'ity
model (RPM) termasuk pembatasan representasi yang menjamin distribusi
probabilitas yang terdefinisi dengan baik yang dapat dinyatakan sebagai
Bayesian setara jaringan. Model probabilitas Open-semesta menangani keberadaan
dan ketidakpastian identitas, mendefinisikan distribusi prob-abilty atas ruang
tak terbatas orde pertama kemungkinan dunia. Berbagai sistem alternatif
untuk pertimbangan di bawah ketidakpastian telah diusulkan. Gen-secara lisan
berbicara, sistem kebenaran-fungsional tidak cocok untuk alasan tersebut.
0 komentar:
Posting Komentar