Introduzione alle reti Bayesiane

reti bayesiane sono un tipo di grafo orientato aciclico , con nodi che rappresentano le variabili . Secondo Judea Pearl , professore di informatica presso la UCLA , la forza delle connessioni del grafico sono regolate dalla probabilità condizionale . Reti bayesiane possono rappresentare la base di conoscenza di un sistema di intelligenza artificiale , da un robot su una linea di auto - produzione di un complesso sistema di difesa . Regia aciclici Graph

Secondo Wolfram Mathworld , un archivio online di tutto rispetto di informazioni sulla matematica , un grafo aciclico diretto --- anche chiamato un aciclico digraph --- è un grafo orientato cicli carente. Nella sua forma più elementare , un grafo acylic diretto sembra un quadro dot -to -dot , con punti che rappresentano "nodi" ( pezzi di informazione) e le linee tra i nodi che rappresentano la direzione in cui i flussi di informazioni . Le frecce sono poste sulle linee per mostrare il flusso di dati .
Coerenza e completezza

Secondo il professor Pearl , è importante non sovraccaricare il grafico con i dati non necessari perché della possibilità di troppe conclusioni a cui attingere. E 'anche importante che il grafico sia il più completo possibile . Ad esempio, un grafico può essere disegnato per rappresentare il processo decisionale del medico . Se un paziente arriva in studio del medico con un mal di testa , il medico fare una diagnosi in base a come il paziente presenta , più egli può decidere di eseguire ulteriori test . Il grafico deve mostrare la decisione di testare o non prova , con chiare istruzioni per queste decisioni . Inoltre , il grafico deve includere ogni possibilità di esiti cefalea (compresa emicrania, tumore cerebrale , sinusite e tutta una serie di altre malattie ) . Senza tutte le possibilità , le condizioni del paziente potrebbe rimanere non diagnosticata .
Modellazione processo decisionale umano

studi hanno dimostrato che la modellazione decisioni umane con le reti bayesiane non è così semplice come appare a prima . Professore Pearl afferma che, poiché la ragione umana è soggettiva e incompleta , sembrerebbe ragionevole per iniziare con la teoria della probabilità per la progettazione di un grafico . Tuttavia, questo processo di modellazione di base non comprende i pezzi più complessi di ragionamento umano ; se dovessimo tentare di costruire una tabella di probabilità per alcune decisioni complesse fatte da persone , ci vorrebbe un computer una straordinaria quantità di tempo per calcolare quello che sarebbe prendere una persona di una frazione di secondo per decidere .
Vantaggi

secondo Microsoft , reti bayesiane sono utili per la modellazione dei dati in quanto in grado di gestire il processo decisionale , anche quando alcune variabili mancano . Reti bayesiane possono rappresentare relazione causale , includere la conoscenza preventiva e prevedere i possibili risultati con facilità. Ginebra: Applicazioni

Jir Vomlel dell'Istituto di Teoria dell'Informazione e dell'Automazione Accademia delle Scienze di la Repubblica ceca dichiara che le reti bayesiane possono essere usati per rappresentare una vasta gamma di processi decisionali nel mondo reale , tra cui la diagnostica medica , il processo decisionale massimizzazione dell'utilità attesa , test adattativi e risoluzione dei problemi decisionali teorico .