Bayesianska nätverk är en typ av riktad acyklisk graf med noder som representerar variabler . Enligt Judeen Pearl , professor i datavetenskap vid UCLA , är styrkan i diagrammets anslutningar regleras av betingad sannolikhet . Bayesianska nätverk kan utgöra kunskapsbasen för en artificiell intelligens system , från en robot på en bil - tillverkningslinje till ett komplext försvarssystem . Riktad Acyklisk Graph
Enligt Wolfram MathWorld , en väl respekterad online- databas med information om matematiken , en riktad acyklisk graf --- kallas också en acyklisk digraph --- är en riktad graf som saknar cykler . I sin mest grundläggande form , ser en riktad acylisk graf som en punkt - till - punkt bilden , med punkter som representerar " noder " ( informations bitar ) och linjer mellan noderna representerar vilken riktning informationsflöden . Pilarna är placerade på linjerna för att visa flödet av data . Enligt professor Pearl
Konsekvens och fullständighet
, är det viktigt att inte överbelasta grafen med onödiga data eftersom av möjligheten till alltför många slutsatser att dra av . Det är också viktigt att grafen vara så komplett som möjligt . Till exempel kan ett diagram dras för att representera en läkares beslutsprocess . Om en patient kommer till läkaren med en huvudvärk , kommer läkaren att göra en diagnos baserat på hur patienten uppvisar , plus att han kan göra ett beslut att köra ytterligare tester . Diagrammet ska visa att beslutet att testa eller inte testa , med tydliga instruktioner för dessa beslut . Dessutom måste grafen inkluderar alla möjligheter till huvudvärk utfall ( inklusive migrän , hjärntumör , bihåleinflammation och en mängd andra sjukdomar ) . Utan varje möjlighet , kan patientens tillstånd förblir odiagnostiserade .
Modeling mänskligt beslutsfattande
Studier har visat att modellera mänskliga beslut med Bayesianska nätverk är inte så enkelt som det först verkar . Professor Pearl påstår att eftersom mänskligt tänkande är subjektiv och ofullständiga , verkar det rimligt att börja med sannolikhetslära att utforma en graf . Däremot ingår denna grundläggande modellering process inte de mer komplexa delarna av mänskligt tänkande , om vi skulle försöka konstruera en sannolikhet bord för vissa komplexa beslut som fattas av människor , skulle det ta en dator en extraordinär tid att beräkna vad det skulle ta en person en tiondels sekund att avgöra .
Fördelar
Enligt Microsoft , Bayesianska nätverk är användbara för datamodellering eftersom de kan hantera beslutsfattandet även om vissa variabler saknas. Bayesianska nätverk kan representera orsakssamband , inkluderar förkunskaper och förutse möjliga utfall med lätthet .
Applications
Jir Vomlel av Institute of Information Theory och Automation Academy of Sciences i Tjeckien uppger att Bayesianska nätverk kan användas för att representera en mängd olika beslutsprocesser i den verkliga världen , inklusive medicinsk diagnostik , beslutsfattande maximera förväntad nytta , adaptiv testning och beslutsfattande teoretisk felsökning .
