Sztuczna inteligencja : Tworzenie sieci Bayesa

Transkrypt

Przemysław Juszczuk
Instytut Informatyki Uniwersytetu Śląskiego
13 kwiecień 2011
Rysunek: Sieć Bayesa
Matura z matematyki na 60 %.
Matura z matematyki na 100 %.
Rozpatrzmy następujące przypadki:
Uczeń zda maturę.
Uczeń nie zda matury.
Jaka jest szansa na zdanie matury, jeśli jest to umysł ścisły.
Jaka jest szansa na zdanie matury, jeśli jest to humanista.
Rozpatrzmy przypadki:
Trawa mokra.
Trawa sucha.
Trawa mokra i zraszacz uruchomiony.
Trawa mokra i zraszacz wyłaczony.
Zachmurzenie - brak, zraszacz uruchomiony.
Jakie są szanse zdania ustnego egzaminu u prof. X, który jest kibicem
Wisły i nie lubi deszczu?
Jakie są szanse zdania ustnego egzaminu u prof. X, który jest kibicem
Wisły i nie lubi deszczu?
Jesteśmy przygotowani
Jesteśmy nieprzygotowani
Jesteśmy przygotowani w 80 %, ale Wisła przegrała
Jesteśmy przygotowani w 80 %, Wisła przegrała, ale świeci słońce
Jesteśmy nieprzygotowani, Wisła przegrała, pada deszcz
Jesteśmy nieprzygotowani, Wisła wygrała, świeci słońce
Jesteśmy nieprzygotowani, ale egzaminator ma dobry humor
Jesteśmy przygotowani, egzaminator ma dobry humor
jesteśmy przygotowani, Wisła wygrała i świeci słońce
Mając dane obserwacje O, hipotezy H, oraz prawdopodobieństwa
warunkowe CP - narysować graf stanowiący graficzną reprezentację sieci
Bayes’a.
O = {A, B, C , D, E }
H = {X , Y , Z }
CP = {P(A), P(B), P(C ), P(D),
P(E ), P(C |A, B), P(X |C , D), P(Y |C , D), P(Z |E )}
O = {A, B, C , D, E }
H = {X , Y , Z }
CP = {P(A), P(B), P(C ), P(D), P(E ),
P(X |A, B), P(C |X ), P(Y |C , D, E ), P(Z |C , E ), P(B|Z )}
W podanym niżej tekście występują pewne zależności przyczynowo
skutkowe opisane liczbowo prawdopodobieństwami warunkowymi. Proszę
podać zbiór CP takich prawdopodobieństwa warunkowych oraz narysować
graf przyczynowo–skutkowy.
Prawdopodobieństwo wystąpienia anginy w przypadku objawów takich
jak ból gardła i gorączka jest wysokie i wynosić może 0.8. Jednak
wystąpienie gorączki i bólu głowy może świadczyć o grypie, co jest
hipoteza prawdopodobna na 0.6. W przypadku gdy pacjent cierpiący na
grypę nie wyleczył się całkowicie może dojść do zapalenia oskrzeli z
prawdopodobieństwem 0.4. Zapalenie oskrzeli może spowodować ból
gardła z prawdopodobieństwem 0.3.
Prawdopodobieństwo awarii suportu roweru z powodu zawilgocenia
wynosi0.4, zabrudzenia 0.1, natomiast z powodu zużycia 0.3. Awaria
suportu na pewno spowoduje większe opory w czasie jazdy. Awaria
suportu może na 30% spowodować uszkodzenie mufy suportowej, to z
kolei na 85% spowoduje konieczność zakupu nowej ramy. Zabrudzenie na
pewno wpłynie na nieprecyzyjną pracę przerzutek a także na 5% może
spowodować wzrost oporów w czasie jazdy. Wzrost oporów w czasie jazdy
może spowodować z prawdopodobieństwem 0.35 awarię suportu.
Prawdopodobieństwo awarii tylniej przerzutki z powodu zawilgocenia
wynosi 0.3, zabrudzenia 0.6, natomiast z powodu zużycia 0.7. Awaria
tylniej przerzutki uniemożliwi jazdę na 40%. Zawilgocenie i zabrudzenie
na 70% spowodują przedwczesne wytarcie się klocków hamulcowych.
Wytarte klocki na 20% uniemożliwią jadę. Prawdopodobieństwo awarii
suportu roweru z powodu zawilgocenia wynosi 0.6 a zabrudzenia 0.3.
Awaria suportu na pewno uniemożliwi jazdę. Brak możliwości jazdy na
rowerze na 40% spowoduje spadek zainteresowania jego stanem
technicznym, a to na pewno negatywnie wpłynie na jego czystość – czyli
na jego zabrudzenie.
W programie Genie przygotować dwie sieci Bayesa:
Wspomaganie diagnozy wybranej choroby
Wspomaganie decyzji organizowania wyjazdu wakacyjnego
Obydwie sieci powinny być w miarę rozbudowane. Do przygotowanych
sieci postawić szereg pytań (jak w poprzednich zadaniach).
Alarm może uruchomić się w przypadku włamania. Jednak zdarzają się
też niewielkie trzęsienia ziemi, które mogą uruchomić alarm. John dzwoni
do właściciela domu, kiedy załączy się alarm. Mary również dzwoni do
właściciela, kiedy załączy się alarm (zadzwoni z pewnym
prawdopodobieństwem).
Alarm może uruchomić się w przypadku włamania. Jednak zdarzają się
też niewielkie trzęsienia ziemi, które mogą uruchomić alarm. John dzwoni
do właściciela domu, kiedy załączy się alarm. Mary również dzwoni do
właściciela, kiedy załączy się alarm (zadzwoni z pewnym
prawdopodobieństwem).

Sztuczna inteligencja : Tworzenie sieci Bayesa

Transkrypt

Podobne dokumenty

Sztuczna inteligencja : Tworzenie sieci Bayesa

Sztuczna inteligencja : Naiwny klasyfikator Bayesa

Sztuczna inteligencja : Sieci neuronowe

Sztuczna inteligencja : Zbiory rozmyte cz. III

Sztuczna inteligencja : Zbiory rozmyte cz. 2

Twierdzenie Bayesa

Sztuczna Inteligencja - Egzamin

Toyota Concept-i - Elektronizacji ciąg dalszy

Sztuczna inteligencja: zbiory rozmyte

“ Prawo a praktyka w zawodzie pielęgniarki i położnej w aspekcie

Dnia 26 maja odbył się konkurs szkolny pt." Jeden z dziesięciu