Koc Markowa a normalna zależność w sieci bayesowskiej


11

Kiedy czytałem o sieci bayesowskiej, natrafiłem na termin „ koc Markowa ” i poważnie pomyliłem się z jego niezależnością w grafie sieci bayesowskiej.

Koc Markowa krótko mówi, że każdy węzeł zależy tylko od jego rodziców, dzieci i rodziców dzieci [jest to szary obszar dla węzła A na zdjęciu].

Koc Markowa

Jakie jest wspólne prawdopodobieństwo tego BN, ?P(M,S,G,I,B,R)

alternatywny tekst
(źródło: aiqus.com )

Jeśli zastosuję się do reguły niezależności tylko nadrzędnego rodzica, będzie to:

P(M|S)P(S|G,I)P(I|B)P(R|B)P(G)P(B)

Jeśli jednak podążę za niezależnością koca Markowa , skończę z tym (uwaga jest inna):P(I|G,B)

P(M|S)P(S|G,I)P(I|G,B)P(R|B)P(G)P(B)

Więc jakie jest prawidłowe wspólne prawdopodobieństwo tego BN?

Aktualizacja: Crosslink tego pytania w AIQUS

i

Odpowiednie rozdziały i diagramy znajdują się poniżej:

alt text http://img828.imageshack.us/img828/9783/img0103s.png

alt text http://img406.imageshack.us/img406/3788/img0104l.png


Wszystkie linki są zepsute, czy możesz je zaktualizować?
Lerner Zhang

Odpowiedzi:


9

Twoje pierwsze pochodzenie jest poprawne!

Ponieważ nie zaobserwowaliśmy „rozruchów” ani „ruchów”, „zapłon” jest niezależny od „gazu”. To, co piszesz tutaj, to rozkład na czynniki rozkładów połączeń, a nie sposób obliczania prawdopodobieństwa określonego węzła, biorąc pod uwagę zestaw obserwacji.

Koc Markowa mówi, że wszystkie informacje o zmiennej losowej w sieci bayesowskiej są zawarte w tym zbiorze węzłów (rodzice, dzieci i rodzice dzieci). Oznacza to, że jeśli obserwujemy WSZYSTKIE TE zmienne, wówczas nasz węzeł jest niezależny od wszystkich innych węzłów w sieci.

Aby uzyskać więcej informacji na temat uzależnienia od wewnątrz sieci Bayesa, spojrzeć na koncepcję D-separacji .


dziękuje za odpowiedź. Ale czy rzuciłeś okiem na stronę wiki, którą podałem. Pokazuje przykład prawdopodobieństwa warunkowego; co oznacza, że ​​wszystkie węzły MB są zależne od zmiennej.
Özgür,

3
Strona wiki wydaje się być poprawna. Koc Markowa jest tarczą przed resztą sieci, tak że jeśli znamy wartości w tej „tarczy”, to żadne inne zmienne w sieci nie dostarczają żadnych dodatkowych informacji o A. Kluczem tutaj jest to, że mówimy o tym, co zdarza się, gdy obserwujemy te wartości, nie zmienia to faktoryzacji złącza ze względu na strukturę BN.
Nick
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.