„Intelligens rendszerek laboratórium 1 - 4. Ellenőrző kérdések” változatai közötti eltérés

A VIK Wikiből
Ugrás a navigációhoz Ugrás a kereséshez
a (3. feladatra válaszadás)
a (5. feladat kidolgozása.)
20. sor: 20. sor:
  
 
; Mit értünk feltételes függetlenség alatt Bayes-hálók esetén?
 
; 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?
 
; Mire jók a Bayes-hálók?
 
; Milyen elemekből épülnek fel a Bayes-hálók? [felsorolás]
 
; Milyen elemekből épülnek fel a Bayes-hálók? [felsorolás]

A lap 2016. április 2., 22:46-kori változata

← Vissza az előző oldalra – Intelligens rendszerek laboratórium 1
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?


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?
Milyen elemekből épülnek fel a Bayes-hálók? [felsorolás]
Mit értünk egy Bayes-hálós változó/csomópont Markov-határán?
Mit értünk következtetés alatt Bayes-hálók esetén?
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?