کتاب شبکه های بیز(Bayesian Belief Network)

کتاب شبکه های بیز(Bayesian Belief Network)

Bayesian Belief Network

چکیده

شبکه های باور بیزی در مواردی که مقدار کمی از اطلاعات کاملاً شناخته شده است و داده های ورودی نامعلوم یا خارج از دسترس باشند کارایی بالایی دارند . هدف این پژوهش،آشنایی با شبکه های باور بیزی و روش های ساخت شبکه های بیزی است ، سپس کاربردهای این نوع از شبکه های احتمالی بیان می شود ودر آخر یادگیری ساختارشبکه های بیز با استفاده از الگوریتم حریصانه مورد بحث قرار می گیرد.

فهرست مطالب

مقدمه

فصل اول مقدمات ریاضی

(1-1مستقل شرطی

1-(2 احتمال شرطی

(3-1قانون ضرب احتمال­ ها

1-4( قاعده احتمال کل

1-5( قانون بیز

فصل دوم معرفی شبکه ­های بیز

2-1 (شبکه ­های بیز

2-2( ساختار شبکه­ های بیز 

2-3( حالت ­ها 

2-4 (جدول توزیع احتمال

2-5 (کاربرد شبکه­ های بیز 

فصل سوم یادگیری بیزی

3-1( مقدمه

3-2 (اهمیت یادگیری بیزی

3-3( نگرش بیزی به یادگیری ماشین

3-4( ویژگی­ های یادگیری بیزی

3-5( نحوه ساخت شبکه ­های بیز

(6-3چگونه میتوان یک شبکه بیز را از روی داده­ های آموزشی یادگرفت؟

3-7( روش­های یادگیری شبکه­ های بیز

3-7-1(الگوریتم یادگیری MAP سبعی

3-7-3( دست­بندی کننده بیزی بهینه

3-7-4( دسته ­بندی ساده بیزی

m_estimate(5-7-3دسته­بندی متن

3-7-7( الگوریتم EM

تولید الگوریتمK-Mean از الگوریتم EM

فصل چهارم یادگیری با استفاده از الگوریتم حریصانه

4-1( مقدمه

4 –(2 یادگیری شبکه‌های بیز

4-2-(1 یادگیری ساختار

4-2-(2 معیار امتیاز

4-2-(3 تابع جستجو

4 -(3 نمونه‌گیری شبکه‌های بیز

فصل پنجم نرم­افزارهای مورد نیاز برای پیاده­سازی

5-1( نصب نرم­ افزارهای مورد نیاز

5-2( نتایج کد BOA

فصل ششم نتیجه­گیری و پیشنهادات

6-1( نتیجه­ گیری……………….……………..…….…………………….61

6-2( پیشنهادات…………….......….……………..………………………62

مراجع …………………………………………………………………..63

 

مقدمه

شبکه­ های بیز با استفاده از اطلاعات قبلی که در جدول احتمال شرطی ذخیره شده می­توانند برای تصمیم ­گیری استفاده شوند یا به عنوان راهی برای پردازش تصمیم­گیری اتوماتیک استفاده شوند.

می­توانیم از شبکه های بیز برای نشان دادن استدلال استنتاجی (تشخیص علت یک معلول) و استدلال استقرایی (پیشگویی معلول یک علت) استفاده کنیم .

قبل از آشنایی با شبکه­­ ها­ی بیز مقدمات ریاضی کوتاهی از احتمالات از جمله قانون بیز در فصل اول بیان می­ شود ، سپس در فصل دوم به آشنایی با شبکه­ های بیز و ساختارشان و جداول توزیع احتمال می­ پردازیم و برخی کاربرد­های آن بیان می ­شود.

در فصل سوم روش ­های یادگیری شبکه­ های بیز مطرح می شود که شامل موارد زیر است :

تخمین ماکزیمم درست نمایی

EM یا شیب صعودی

جستجو میان فضای مدل­ ها

EM + جستجو میان فضای مدل­ ها

در فصل چهارم الگوریتم حریصانه را برای یادگیری ساختار مورد بحث قرار می­ دهیم .

برای یادگیری ساخار شبکه های بیز ابتدا با استفاده از یک معیار امتیاز که کیفیت ساختار ها را می­ سنجد ، امتیاز هر ساختار مشخص می ­شود سپس تابع جستجو با توجه به معیار امتیاز کل فضای ساختارهای ممکن شبکه را جستجو می‌کند تا بهترین شبکه را پیدا کند. از آنجا که یادگیری ساختار از جمله مسائل NP-کامل است الگوریتم حریصانه را برای حل این مساله به کار می بریم.

فصل پنجم نیز در مورد نرم افزارهای مورد نیاز برای پیاده سازی شبکه های بیز است.

دریافت فایل

---

جهت کپی مطلب از ctrl+A استفاده نمایید نماید