پاورپوینت شبکه های باور بیزی (pptx) 32 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 32 اسلاید

قسمتی از متن PowerPoint (.pptx) :

بنام خدا شبکه های باور بیزی مقدمه در عمل پیاده سازی Bayes Optimal Classifier بسیار پرهزینه است. همانگونه که دیدیم دسته بندی کننده Naive Bayes Classifier بر این اصل استوار بود که مقادیر ویژگی ها مستقل شرطی باشند. اما این یک شرط بسیار محدود کننده است که غالبا برآورده نمیشود. شبکه های باور بیزی یاBayesian Belief Networks که Bayes Nets هم نامیده میشود روشی است برای توصیف توزیع احتمال توام مجموعه ای از متغیرها. BBN استقلال شرطی زیر مجموعه ای ازمتغیرها راقابل توصیف کرده و امکان ترکیب دانش قبلی درباره وابستگی متغیرها را با داده های آموزشی فراهم میاورد. مقدمه دسته بندی کننده ساده بیزی شبکه باور بیزی P(x1,x2,…xn,c) = P(c) P(x1|c) P(x2|c) … P(xn|c) P(x1,x2,…xn,c) = P(c) P(x1|c) P(x2|c) P(x3|x1,x2,c)P(x4,c) مقدمه اگر a1,a2,...an مجموعه ای از ویژگیها و یا متغیرها باشندBN میتواند احتمال هر ترکیبی از آنان را بیان کند. اگرچه در هنگام استفاده از BN هم ناگزیر به استفاده از شروط استقلال خواهیم بود اما BN راه حل میانه تری است که محدودیت کمتری دارد. مثال P (Campfire=True | Storm=True, BusTourGroup=True ) = ? Storm Bus Tour Group Lightning Thunder Campfire Forest Fire Node = variables Arc = dependency Direction on arc representing causality Variable A with parents B1, …., Bn has a conditional probability table P (A | B1, …., Bn) کاربرد BN تشخیص P(cause|symptom)=? پیش بینی P(symptom|cause)=? دسته بندی تصمیم گیری ) در صورت وجود تابع ارزش( مثال: Speech recognition, Stock market, Text Classification, Computer troubleshooting, medical diagnostic systems, real-time weapons scheduling, Intel processor fault diagnosis (Intel) generator monitoring expert system (General Electric) troubleshooting (Microsoft) کاربرد BN خواستگاه BN به ترکیب احتمال با سیستم های خبره بر میگردد و این زمینه یکی از کاربردهای مهم آنرا تشکیل میدهد. BN را میتوان دربسیاری از کاربردهائی که سیستم های knowledge based متداول مورد استفاده هستند بکار برد. BN در مقایسه با شبکه های عصبی دارای مزایای زیر است: میتوان از اطلاعات افراد خبره در ساخت BN استفاده کرد. فهم و توسعه ساختار BN ساده تر است. BN میتواند با داده های ناقص کار کند. استقلال شرطی تعریف استقلال شرطی اگر X,Y,Z سه متغیر تصادفی با مقادیر گسسته باشند میگوئیم که X با دانستن Z بطور شرطی از Y مستقل است اگر با دانستن Z توزیع احتمال X مستقل از مقدار Y باشد. تعریف مشابهی را میتوان برای مجموعه ای از متغیرها بکار برد: