Obsah

Bayesovské sítě

(exaktní inference, přibližná inference)


Základy (podmíněné) pravěpodobnosti

Pozn.: toto není přímo uvedené v okruhu, ale je to takový základ, který je asi dobré znát.

Motivace

Pravděpodobnost

Inference

Bayesovo pravidlo

<m>P(a|b) = {P(b|a)P(b)}/{P(a)}</m>, obdobně obecný zápis pro proměnné

doplnit, rozsirit, nebo to uplne flipnout?

Bayesovská síť

Exaktní inference v Bayesovských sítích

Definice úlohy inferenčního systému: Cílem je spočítat podmíněnou pravděpodobnost proměnných X na základě známých hodnot proměnných E (evidences) pro všechny možné varianty proměnných Y, u kterých hodnoty známé nejsou. Postup je následující:

Problém exaktní inference je v exponenciální časové složitosti výpočtu. Určité zlepšení přináší zavedení faktoru, který je mezivýsledkem výpočtu pro kombinace neznámých proměnných a tak zamezuje opakovanému výpočtu některých hodnot.

Přibližná inference

Pokud je síť příliš velká pro použití exaktní inference, využívá se přibližné. Místo vyčíslování všech variant hodnot proměnných je použita metoda Monte Carlo na generování vzorků.

Myslím, že výsledné pravděpodobnosti se jednoduše sčítají a normují.

Přesnost vypočítané pravděpodobnosti je závislá na počtu nagenerovaných vzorků.

Varianty

Existuje několik variant generování vzorků:

Direct Sampling
Rejection Sampling
Weighted Sampling
tohle moc nechápu, dodělat!