„Intelligens rendszerek laboratórium 1 - 4. Ellenőrző kérdések” változatai közötti eltérés
a (5. feladat kidolgozása.) |
|||
(5 közbenső módosítás ugyanattól a szerkesztőtől nincs mutatva) | |||
18. sor: | 18. sor: | ||
; Mik egy Bayes-hálóban egy változó gyermekei és szülei, továbbá mikor a priori egy változó? | ; Mik egy Bayes-hálóban egy változó gyermekei és szülei, továbbá mikor a priori egy változó? | ||
+ | Az adott csomópont leszármazottja azok a csomópontok, melyek egy hierarchia szinttel lejjebb vannak az adott csomóponttól. Tehát a gyermek csomópontjai az adott csomópontnak. | ||
+ | |||
+ | Ha létezik nyíl az <math>X</math> csomóponttól az <math>Y</math> csomópontig, azt mondjuk, hogy az <math>X</math> a szülője az <math>Y</math>-nak. | ||
+ | |||
+ | Az <math>a</math> állításhoz tartozó feltétel nélküli (unconditional) vagy a priori valószínűség (prior probability) azt a meggyőződési mértéket jelenti, amely bármely más információ hiányában az állításhoz kapcsolható és egy adott időpillanatban az <math>a</math> esemény igaz; jelölése <math>P(a)</math>. | ||
; Mit értünk feltételes függetlenség alatt Bayes-hálók esetén? | ; Mit értünk feltételes függetlenség alatt Bayes-hálók esetén? | ||
24. sor: | 29. sor: | ||
; Mire jók a Bayes-hálók? | ; Mire jók a Bayes-hálók? | ||
+ | A változók közötti függőség leírásához, és bármely együttes valószínűség-eloszlás függvény tömör megadásához. | ||
+ | |||
; Milyen elemekből épülnek fel a Bayes-hálók? [felsorolás] | ; Milyen elemekből épülnek fel a Bayes-hálók? [felsorolás] | ||
+ | csomópontok | ||
+ | |||
+ | |||
+ | irányított élek | ||
+ | |||
+ | |||
; Mit értünk egy Bayes-hálós változó/csomópont Markov-határán? | ; Mit értünk egy Bayes-hálós változó/csomópont Markov-határán? | ||
+ | |||
+ | Egy változó Markov-határát annak szülei, gyermekei, valamint gyermekei szülei alkotják. | ||
+ | |||
+ | |||
; Mit értünk következtetés alatt Bayes-hálók esetén? | ; Mit értünk következtetés alatt Bayes-hálók esetén? | ||
+ | A következtetés során a feladat, hogy megbecsüljük egy adott esemény, vagy egy modell feltételes | ||
+ | valószínűségét az alapismereteink és a megfigyelési adatok szerint. | ||
+ | |||
; Mit értünk evidencia alatt egy Bayes-hálóban? | ; Mit értünk evidencia alatt egy Bayes-hálóban? | ||
; Adjon példát egyszerűbb (min. 4 csomópontból álló) értelmes Bayes-hálóra [magyarázattal]! | ; Adjon példát egyszerűbb (min. 4 csomópontból álló) értelmes Bayes-hálóra [magyarázattal]! |
A lap jelenlegi, 2016. április 4., 11:50-kori változata
- Írja fel a feltételes valószínűség definícióját!
Legyen [math]A[/math] és [math]B[/math] két esemény, [math] P(B)\gt 0[/math]. Ekkor az [math] A[/math] esemény [math]B[/math]-re vonatkozó feltételes valószínűségén a
[math]P(A\vert B)=\frac{P(A \cdot B)}{P(B)}[/math] mennyiséget értjük.
- Írja fel a Bayes tételt!
A tétel azt állítja, hogy ha ismert az [math]A[/math] és [math]B[/math] események valószínűsége, és a [math]P(B\vert A)[/math] feltételes valószínűség, akkor
[math] P(A\vert B) = \frac{P(B \vert A) \cdot P(A)}{P(B)}[/math]
- Gráfelméleti szempontból mi egy Bayes-háló? [gráfelméleti fogalom]
Irányított körmentes gráf (DAG).
- Mik egy Bayes-hálóban egy változó gyermekei és szülei, továbbá mikor a priori egy változó?
Az adott csomópont leszármazottja azok a csomópontok, melyek egy hierarchia szinttel lejjebb vannak az adott csomóponttól. Tehát a gyermek csomópontjai az adott csomópontnak.
Ha létezik nyíl az [math]X[/math] csomóponttól az [math]Y[/math] csomópontig, azt mondjuk, hogy az [math]X[/math] a szülője az [math]Y[/math]-nak.
Az [math]a[/math] állításhoz tartozó feltétel nélküli (unconditional) vagy a priori valószínűség (prior probability) azt a meggyőződési mértéket jelenti, amely bármely más információ hiányában az állításhoz kapcsolható és egy adott időpillanatban az [math]a[/math] esemény igaz; jelölése [math]P(a)[/math].
- Mit értünk feltételes függetlenség alatt Bayes-hálók esetén?
A feltételes függetlenség egy matematikai kitétel, olyan esetekre amikor két esemény egymástól teljesen független, mégis egy okból származnak. Vagyis egy ilyen gyerek esemény valószínűsége csak a szülő csomóponttól függ, a szomszédos csomópontoktól nem. Például ha [math]A[/math] a szülő csomópont és [math]B[/math] és [math]C[/math] a gyermek csomópontok, akkor a [math]P(B \cdot C \vert A) = P(B \vert A) * P(C \vert A)[/math] vagyis feltételesen független [math]B[/math] és [math]C[/math], de az ősük közös.
- Mire jók a Bayes-hálók?
A változók közötti függőség leírásához, és bármely együttes valószínűség-eloszlás függvény tömör megadásához.
- Milyen elemekből épülnek fel a Bayes-hálók? [felsorolás]
csomópontok
irányított élek
- Mit értünk egy Bayes-hálós változó/csomópont Markov-határán?
Egy változó Markov-határát annak szülei, gyermekei, valamint gyermekei szülei alkotják.
- Mit értünk következtetés alatt Bayes-hálók esetén?
A következtetés során a feladat, hogy megbecsüljük egy adott esemény, vagy egy modell feltételes valószínűségét az alapismereteink és a megfigyelési adatok szerint.
- Mit értünk evidencia alatt egy Bayes-hálóban?
- Adjon példát egyszerűbb (min. 4 csomópontból álló) értelmes Bayes-hálóra [magyarázattal]!
- Elsősorban mire való a BNet szoftver?
- Milyen multi-ágens szcenárióban és milyen célból használunk a Bayes-hálókat a laborgyakorlat során? [rövid leírás]
- Hogyan teremtünk kapcsolatot a BNet és a JADE között?
- Milyen formában olvassák be a laborgyakorlat JADE-es ágensei a BNet-es Bayes-hálókat?
- Mire szolgál a laborgyakorlat orvos ágenseinek Bayes-hálójában az aggregatedDiagnoses változó/csomópont?
- Mire való és mit tartalmaz a laborgyakorlat JADE-es ágenseinek indításakor megadandó konfigurációs fájl?
- Milyen tartalmú üzeneteket küldenek egymásnak a laborgyakorlat JADE-es ágensei? [főbb tartalmi elemek szöveges összefoglalása]
- Mire szolgál a DoctorAgent aggregateDiagnoses metódusa?
- Soroljon fel legalább 5 bináris változót, amely a laborgyakorlat során az Influenza tárgyterületet jellemzi?