1、课件人工智能引论浙江大学研究生徐从富 (Congfu Xu) PhD, Associate Professor Email: Institute of Artificial Intelligence, College of Computer Science,Zhejiang University, Hangzhou 310027, P.R. ChinaSeptember 11, 2005第一稿Oct. 8, 2006第二次修改稿第七讲 贝叶斯网络初步(Chapter7 Bayesian Networks )内容提纲n 何谓贝叶斯网络?n 贝叶斯网络的语义n 条件分布的有效表达n 贝叶斯网络中的
2、精确推理n 贝叶斯网络中的近似推理n 课后习题、编程实现及研读论文7.1 何谓贝叶斯网络?n 贝叶斯网络的由来n 贝叶斯网络的定义n 贝叶斯网络的别名n 独立和条件独立n 贝叶斯网络示例“Above all else, guard your heart, for it is the wellspring of life.”from Proverbs 4:23 NIVA.贝叶斯网络的由来 n 全联合概率计算复杂性十分巨大n 朴素贝叶斯太过简单n 现实需要一种自然、有效的方式来捕捉和推理 不确定性知识n 变量之间的独立性和条件独立性可大大减少为了定义全联合概率分布所需的概率数目B. 贝叶斯网络的定
3、义 n 是一个有向无环图 (DAG)n 随机变量集组成网络节点,变量可离散或连续n 一个连接节点对的有向边或箭头集合n 每节点 Xi都有一个条件概率分布表:P(Xi|Parents(Xi), 量化其父节点对该节点的影响C. 贝叶斯网络的别名 n 信念网 (Belief Network)n 概率网络 (Probability Network)n 因果网络 (Causal Network)n 知识图 (Knowledge Map)n 图模型 (Graphical Model)或概率图模型 (PGM)n 决策网络 (Decision Network)n 影响图 (Influence Diagram)
4、D. 独立和条件独立WeatherCavityCatchToothachen Weather和其它 3个变量相互独立n 给定 Cavity后, Toothache和 Catch条件独立E. 贝叶斯网络示例Burglary EarthquakeMaryCallsJohnCallsAlarmB E P(A) t tt ff tf f0.950.940.290.001A P(J) t f0.900.05P(M) 0.700.01P(B) 0.001P(E) 0.0027.2 贝叶斯网络的语义n贝叶斯网络的两种含义n 对联合概率分布的表示 构造网络n 对条件依赖性语句集合的编码 设计推理过程n贝叶斯网络的语义P(x1,., xn) = P(x1|parent(x1) . P(xn|parent(xn)贝叶斯网络的语义公式计算示例: n 试计算:报警器响了,但既没有盗贼闯入,也没有发生地震,同时 John和 Mary都给你打电话的概率。n 解:P(j,m,a,b,e) = P(j|a)P(m|a)P(a|b,e) P(b) P(e)= 0.90.70.0010.9990.998 = 0.00062= 0.062%