Бајесова мрежа
Бајесова мрежа (такође познат као Бајесова мрежа, Бајесов нет, мрежа веровања или мрежа одлука) је пробабилистички графички модел који представља скуп променљивих и њихових условних зависности преко усмереног ацикличког графа (ДАГ).[1] Иако је то један од неколико облика каузалне нотације, каузалне мреже су посебни случајеви Бајесових мрежа. Бајесове мреже су идеалне за узимање догађаја који се догодио и предвиђање вероватноће да је било који од неколико могућих познатих узрока фактор који доприноси. На пример, Бајесова мрежа би могла да представља вероватне односе између болести и симптома. С обзиром на симптоме, мрежа се може користити за израчунавање вероватноће присуства различитих болести.
Ефикасни алгоритми могу да изводе закључак и учење у Бајесовим мрежама. Бајесове мреже које моделирају секвенце варијабли (нпр. говорних сигнала или протеинских секвенци) називају се динамичке Бајесове мреже. Генерализације Бајесових мрежа које могу да представљају и решавају проблеме одлучивања под неизвесношћу називају се дијаграми утицаја.
Референце
[уреди | уреди извор]- ^ Руггери, Фабризио; Кенетт, Рон С.; Фалтин, Фредерицк W., ур. (2007-12-14). Енцyцлопедиа оф Статистицс ин Qуалитy анд Релиабилитy (на језику: енглески) (1 изд.). Wилеy. стр. 1. ИСБН 978-0-470-01861-3. дои:10.1002/9780470061572.еqр089.
Литература
[уреди | уреди извор]- Бен Гал, Ирад (2007). „Баyесиан Нетwоркс” (ПДФ). Ур.: Руггери, Фабризио; Кеннетт, Рон С.; Фалтин, Фредерицк W. Суппорт-Паге. Енцyцлопедиа оф Статистицс ин Qуалитy анд Релиабилитy. Јохн Wилеy & Сонс. ИСБН 978-0-470-01861-3. дои:10.1002/9780470061572.еqр089 . Архивирано из оригинала (ПДФ) 2016-11-23. г. Приступљено 2007-08-27.
- Бертсцх МцГраyне, Схарон (2011). Тхе Тхеорy Тхат Wоулд нот Дие. Неw Хавен: Yале Университy Пресс.
- Боргелт, Цхристиан; Крусе, Рудолф (март 2002). Грапхицал Моделс: Метходс фор Дата Аналyсис анд Мининг. Цхицхестер, УК: Wилеy. ИСБН 978-0-470-84337-6.
- Борсук, Марк Едwард (2008). „Ецологицал информатицс: Баyесиан нетwоркс”. Ур.: Јøргенсен, Свен Ерик; Фатх, Бриан. Енцyцлопедиа оф Ецологy. Елсевиер. ИСБН 978-0-444-52033-3.
- Цастилло, Енриqуе; Гутиéррез, Јосé Мануел; Хади, Али С. (1997). „Леарнинг Баyесиан Нетwоркс”. Еxперт Сyстемс анд Пробабилистиц Нетwорк Моделс. Монограпхс ин цомпутер сциенце. Неw Yорк: Спрингер-Верлаг. стр. 481–528. ИСБН 978-0-387-94858-4.
- Цомлеy, Јосхуа W.; Доwе, Давид L. (јун 2003). „Генерал Баyесиан нетwоркс анд асyмметриц лангуагес”. Процеедингс оф тхе 2нд Хаwаии Интернатионал Цонференце он Статистицс анд Релатед Фиелдс.
- Цомлеy, Јосхуа W.; Доwе, Давид L. (2005). „Минимум Мессаге Ленгтх анд Генерализед Баyесиан Нетс wитх Асyмметриц Лангуагес”. Ур.: Грüнwалд, Петер D.; Мyунг, Ин Јае; Питт, Марк А. Адванцес ин Минимум Десцриптион Ленгтх: Тхеорy анд Апплицатионс. Неурал информатион процессинг сериес. Цамбридге, Массацхусеттс: Брадфорд Боокс (МИТ Пресс) (објављено април 2005). стр. 265—294. ИСБН 978-0-262-07262-5. (Тхис папер путс децисион треес ин интернал нодес оф Баyес нетwоркс усинг Минимум Мессаге Ленгтх (MML).
- Дарwицхе, Аднан (2009). Моделинг анд Реасонинг wитх Баyесиан Нетwоркс. Цамбридге Университy Пресс. ИСБН 978-0-521-88438-9.
- Доwе, Давид L. (2011-05-31). „Хyбрид Баyесиан нетwорк грапхицал моделс, статистицал цонсистенцy, инварианце анд униqуенесс” (ПДФ). Пхилосопхy оф Статистицс (на језику: енглески). Елсевиер. стр. 901–982. ИСБН 978-0-08-093096-1.
- Фентон, Норман; Неил, Мартин Е. (новембар 2007). „Манагинг Риск ин тхе Модерн Wорлд: Апплицатионс оф Баyесиан Нетwоркс” (ПДФ). А Кноwледге Трансфер Репорт фром тхе Лондон Матхематицал Социетy анд тхе Кноwледге Трансфер Нетwорк фор Индустриал Матхематицс. Лондон (Енгланд): Лондон Матхематицал Социетy. Архивирано из оригинала (ПДФ) 2008-05-14. г. Приступљено 2008-10-29.
- Фентон, Норман; Неил, Мартин Е. (23. 7. 2004). „Цомбининг евиденце ин риск аналyсис усинг Баyесиан Нетwоркс” (ПДФ). Сафетy Цритицал Сyстемс Цлуб Неwслеттер. 13 (4). Неwцастле упон Тyне, Енгланд. стр. 8—13. Архивирано из оригинала (ПДФ) 2007-09-27. г.
- Гелман, Андреw; Царлин, Јохн Б; Стерн, Хал С; Рубин, Доналд Б (2003). „Парт II: Фундаменталс оф Баyесиан Дата Аналyсис: Цх.5 Хиерарцхицал моделс”. Баyесиан Дата Аналyсис. ЦРЦ Пресс. стр. 120—. ИСБН 978-1-58488-388-3.
- Хецкерман, Давид (1. 3. 1995). „Туториал он Леарнинг wитх Баyесиан Нетwоркс”. Ур.: Јордан, Мицхаел Ирwин. Леарнинг ин Грапхицал Моделс. Адаптиве Цомпутатион анд Мацхине Леарнинг. Цамбридге, Массацхусеттс: МИТ Пресс (објављено 1998). стр. 301—354. ИСБН 978-0-262-60032-3. Архивирано из оригинала 19. 7. 2006. г. Приступљено 15. 9. 2006. :Алсо аппеарс ас Хецкерман, Давид (март 1997). „Баyесиан Нетwоркс фор Дата Мининг”. Дата Мининг анд Кноwледге Дисцоверy. 1 (1): 79—119. С2ЦИД 6294315. дои:10.1023/А:1009730122752.
- Ан еарлиер версион аппеарс ас, Мицрософт Ресеарцх, Марцх 1, 1995. Тхе папер ис абоут ботх параметер анд струцтуре леарнинг ин Баyесиан нетwоркс.
- Јенсен, Финн V; Ниелсен, Тхомас D. (6. 6. 2007). Баyесиан Нетwоркс анд Децисион Грапхс. Информатион Сциенце анд Статистицс сериес (2нд изд.). Неw Yорк: Спрингер-Верлаг. ИСБН 978-0-387-68281-5.
- Карими, Камран; Хамилтон, Хоwард Ј. (2000). „Финдинг темпорал релатионс: Цаусал баyесиан нетwоркс вс. Ц4. 5” (ПДФ). Тwелфтх Интернатионал Сyмпосиум он Метходологиес фор Интеллигент Сyстемс.
- Корб, Кевин Б.; Ницхолсон, Анн Е. (децембар 2010). Баyесиан Артифициал Интеллигенце. ЦРЦ Цомпутер Сциенце & Дата Аналyсис (2нд изд.). Цхапман & Халл (ЦРЦ Пресс). ИСБН 978-1-58488-387-6. С2ЦИД 22138783. дои:10.1007/с10044-004-0214-5.
- Лунн D, Спиегелхалтер D, Тхомас А, Бест Н (новембар 2009). „Тхе БУГС пројецт: Еволутион, цритиqуе анд футуре дирецтионс”. Статистицс ин Медицине. 28 (25): 3049—67. ПМИД 19630097. С2ЦИД 7717482. дои:10.1002/сим.3680.
- Неил M, Фентон Н, Таилор M (август 2005). Греенберг, Мицхаел Р., ур. „Усинг Баyесиан нетwоркс то модел еxпецтед анд унеxпецтед оператионал лоссес” (ПДФ). Риск Аналyсис. 25 (4): 963—72. ПМИД 16268944. С2ЦИД 3254505. дои:10.1111/ј.1539-6924.2005.00641.x.
- Пеарл, Јудеа (септембар 1986). „Фусион, пропагатион, анд струцтуринг ин белиеф нетwоркс”. Артифициал Интеллигенце. 29 (3): 241—288. дои:10.1016/0004-3702(86)90072-X.
- Пеарл, Јудеа (1988). Пробабилистиц Реасонинг ин Интеллигент Сyстемс: Нетwоркс оф Плаусибле Инференце. Репресентатион анд Реасонинг Сериес (2нд принтинг изд.). Сан Францисцо, Цалифорниа: Морган Кауфманн. ИСБН 978-0-934613-73-6.
- Пеарл, Јудеа; Русселл, Стуарт (новембар 2002). „Баyесиан Нетwоркс”. Ур.: Арбиб, Мицхаел А. Хандбоок оф Браин Тхеорy анд Неурал Нетwоркс. Цамбридге, Массацхусеттс: Брадфорд Боокс (МИТ Пресс). стр. 157—160. ИСБН 978-0-262-01197-6.
- Русселл, Стуарт Ј.; Норвиг, Петер (2003), Артифициал Интеллигенце: А Модерн Аппроацх (2нд изд.), Уппер Саддле Ривер, Неw Јерсеy: Прентице Халл, ИСБН 0-13-790395-2.
- Зханг, Невин Лианwен; Пооле, Давид (мај 1994). „А симпле аппроацх то Баyесиан нетwорк цомпутатионс” (ПДФ). Процеедингс оф тхе Тентх Биенниал Цанадиан Артифициал Интеллигенце Цонференце (АИ-94).: 171—178. Тхис папер пресентс вариабле елиминатион фор белиеф нетwоркс.
- Цонрадy, Стефан; Јоуффе, Лионел (2015-07-01). Баyесиан Нетwоркс анд БаyесиаЛаб – А працтицал интродуцтион фор ресеарцхерс. Франклин, Теннессее: Баyесиан УСА. ИСБН 978-0-9965333-0-0.
- Цхарниак, Еугене (зима 1991). „Баyесиан нетwоркс wитхоут теарс” (ПДФ). АИ Магазине.
- Крусе, Рудолф; Боргелт, Цхристиан; Клаwонн, Франк; Моеwес, Цхристиан; Стеинбрецхер, Маттхиас; Хелд, Пасцал (2013). Цомпутатионал Интеллигенце А Метходологицал Интродуцтион. Лондон: Спрингер-Верлаг. ИСБН 978-1-4471-5012-1.
- Боргелт, Цхристиан; Стеинбрецхер, Маттхиас; Крусе, Рудолф (2009). Грапхицал Моделс – Репресентатионс фор Леарнинг, Реасонинг анд Дата Мининг (Сецонд изд.). Цхицхестер: Wилеy. ИСБН 978-0-470-74956-2.
Спољашње везе
[уреди | уреди извор]- Ан Интродуцтион то Баyесиан Нетwоркс анд тхеир Цонтемпорарy Апплицатионс Архивирано на сајту Wayback Machine (21. мај 2017)
- Он-лине Туториал он Баyесиан нетс анд пробабилитy
- Wеб-Апп то цреате Баyесиан нетс анд рун ит wитх а Монте Царло метход
- Цонтинуоус Тиме Баyесиан Нетwоркс
- Баyесиан Нетwоркс: Еxпланатион анд Аналогy
- А ливе туториал он леарнинг Баyесиан нетwоркс
- А хиерарцхицал Баyес Модел фор хандлинг сампле хетерогенеитy ин цлассифицатион проблемс, провидес а цлассифицатион модел такинг инто цонсидератион тхе унцертаинтy ассоциатед wитх меасуринг реплицате самплес.
- Хиерарцхицал Наиве Баyес Модел фор хандлинг сампле унцертаинтy Архивирано 2007-09-28 на сајту Wayback Machine, схоwс хоw то перформ цлассифицатион анд леарнинг wитх цонтинуоус анд дисцрете вариаблес wитх реплицатед меасурементс.