Bài giảng Nhập môn trí tuệ nhân tạo: Chương 6 - Văn Thế Thành

Bài giảng "Nhập môn trí tuệ nhân tạo - Chương 6: Mạng Bayes" trình bày các nội dung: Giới thiệu mạng Bayes, phân bố xác suất, một số luật phân bố xác suất, the joint probability distribution, using a bayesian network example,... Mời các bạn tham khảo.
Nội dung trích xuất từ tài liệu:
Bài giảng Nhập môn trí tuệ nhân tạo: Chương 6 - Văn Thế Thành MẠNG BAYES Giới thiệu Giả sử cần xác định bệnh nhân bị về đường hô hấp. Cần xác định về các triệu chứng sau: • Bệnh nhân bị ho • Bệnh nhân bị sốt • Bệnh nhân khó thở Không thể chắc chắn 100% bệ nhân bị bệnh về đường hô hấp. -> Tạo ra sự quyết định không chắc chắn. 1 Giới thiệu Giả sử chụp X-Quang, quan sát thấy bệnh nhân bị dãn phổi. -> Khả năng bị bệnh của bệnh nhân cao hơn. Mạng Bayes (Bayesian Network) HasAnthrax HasCough HasFever HasDifficultyBreathing HasWideMediastinum • Mạng Bayes đã đóng góp trong lĩnh vực AI trong 10 năm nay. • Đã có nhiều ứng dụng như: lọc thư rác, nhận dạng tiếng nói, robotics, hệ chẩn đoán,… 2 Phân bố xác suất A B C P(A,B,C) false false false 0.1 false false true 0.2 false true false 0.05 false true true 0.05 true false false 0.3 true false true 0.1 true true false 0.05 true true true 0.15 Sum t = 1 Một số luật xác suất 3 Một số luật xác suất Một số luật xác suất 4 Một số luật xác suất Một số luật xác suất 5 Một số luật xác suất Một số luật xác suất 6 A Bayesian Network A Bayesian network is made up of: 1. A Directed Acyclic Graph A B C D 2. A set of tables for each node in the graph A P(A) A B P(B|A) B D P(D|B) B C P(C|B) fals 0.6 fals false 0.01 fals false 0.02 fals false 0.4 e true 0.4 e fals true 0.99 e fals true 0.98 e fals true 0.6 e true false 0.7 e true false 0.05 e true false 0.9 true true 0.3 true true 0.95 true true 0.1 A Directed Acyclic Graph Each node in the graph is a A node X is a parent of random variable another node Y if there is an arrow from node X to node Y A eg. A is a parent of B B C D Informally, an arrow from node X to node Y means X has a direct influence on Y 14 7 A Set of Tables for Each Node A P(A) A B P(B|A) Each node Xi has a fals 0.6 fals false 0.01 e e conditional probability true 0.4 fals true 0.99 e distribution P(Xi | Parents(Xi)) true false 0.7 true true 0.3 that quantifies the effect of the parents on the node B C P(C|B) The parameters are the fals false 0.4 e probabilities in these fals true 0.6 A e conditional probability tables true false 0.9 true true 0.1 (CPTs) B B D P(D|B) fals false 0.02 C D e fals true 0.98 e true false 0.05 true true 0.95 A Set of Tables for Each Node Conditional Probability Distribution for C given B B C P(C|B) fals false 0.4 e fals true 0.6 e true false 0.9 true true 0.1 For a given combination of values of the ...