Главная » Просмотр файлов » 2010 Лекции МОТП (Ветров)

2010 Лекции МОТП (Ветров) (1185317), страница 7

Файл №1185317 2010 Лекции МОТП (Ветров) (2010 Лекции МОТП (Ветров).pdf) 7 страница2010 Лекции МОТП (Ветров) (1185317) страница 72020-08-25СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 7)

p(an−1 |an )p(an )• Можно показать (Jaynes, 1995), что правиласуммирования и произведения вероятностей являютсяединственными возможными операциями,позволяющими рассматривать вероятности какпромежуточную ступень между истиной и ложьюАприорные и апостериорные сужденияЛекция 2.Графическиемодели. ОбщеепредставлениеВетровЛикбезФормула БайесаУсловнаянезависимостьслучайныхвеличинГрафическиемоделиБайесовские сетиМарковские сети• Предположим, мы пытаемся изучить некотороеявление• У нас имеются некоторые знания, полученные до (лат.a priori) наблюдений/эксперимента.

Это может бытьопыт прошлых наблюдений, какие-то модельныегипотезы, ожидания• В процессе наблюдений эти знания подвергаютсяпостепенному уточнению. После (лат. a posteriori)наблюдений/эксперимента у нас формируются новыезнания о явлении• Будем считать, что мы пытаемся оценить неизвестноезначение величины θ посредством наблюденийнекоторых ее косвенных характеристик x|θФормула БайесаЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровЛикбезФормула БайесаУсловнаянезависимостьслучайныхвеличинГрафическиемоделиБайесовские сетиМарковские сети• Знаменитая формула Байеса (1763 г.) устанавливаетправила, по которым происходит преобразованиезнаний в процессе наблюдений• Обозначим априорные знания о величине θ за p(θ)• В процессе наблюдений мы получаем серию значенийx = (x1 , . . . , xn ). При разных θ наблюдение выборки xболее или менее вероятно и определяется значениемправдоподобия p(x|θ)• За счет наблюдений наши представления о значении θменяются согласно формуле Байесаp(θ|x) =p(x|θ)p(θ)p(x|θ)p(θ)=Rp(x)p(x|θ)p(θ)dθ• Заметим, что знаменатель не зависит от θ и нуженисключительно для нормировки апостериорнойплотностиПланЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровЛикбезФормула БайесаУсловнаянезависимостьслучайныхвеличинГрафическиемоделиБайесовские сетиМарковские сети1 ЛикбезФормула БайесаУсловная независимость случайных величин2 Графические моделиЗадачи со структурными ограничениямиОсновные проблемы в анализе графических моделей3 Байесовские сетиФакторизация байесовских сетейТри элементарных графаПример использования4 Марковские сетиПотенциалы и энергия кликПример использованияСвязь с байесовскими сетямиУсловная независимость случайных величинЛекция 2.Графическиемодели.

Общеепредставление• Случайные величины x и y называются условнонезависимыми от z, еслиВетровp(x, y|z) = p(x|z)p(y|z)ЛикбезФормула БайесаУсловнаянезависимостьслучайныхвеличинГрафическиемоделиБайесовские сетиМарковские сети• Другими словами вся информация овзаимозависимостях между x и y содержится в z• Заметим, что из безусловной независимости не следуетусловная и наоборот• Основное свойство условно независимых случайныхвеличинp(z|x, y) =p(x|z)p(y|z)p(z)p(x, y|z)p(z)==p(x, y)p(x, y)p(x|z)p(z)p(y|z)p(z)p(z|x)p(z|y)1 p(z|x)p(z|y)==p(x, y)p(z)p(z)p(x)p(y)p(x, y)Zp(z)ПримерЛекция 2.Графическиемодели. ОбщеепредставлениеВетровЛикбезФормула БайесаУсловнаянезависимостьслучайныхвеличинГрафическиемоделиБайесовские сетиМарковские сети• Рассмотрим следующую гипотетическую ситуацию: римскиелегионы во главе с императором атакуют вторгшихся варваров• События «гибель императора» и «уничтожение Рима» неявляются независимыми• Однако, если нам дополнительно известен исход битвы сварварами, эти два события становятся независимыми• В самом деле, если легионы битву проиграли, то судьба Римамало зависит от того, был ли император убит в сраженииПланЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сети1 ЛикбезФормула БайесаУсловная независимость случайных величин2 Графические моделиЗадачи со структурными ограничениямиОсновные проблемы в анализе графических моделей3 Байесовские сетиФакторизация байесовских сетейТри элементарных графаПример использования4 Марковские сетиПотенциалы и энергия кликПример использованияСвязь с байесовскими сетямиКлассическая задача машинного обученияЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сети• Задачу машинного обучения можно трактовать каквосстановление неизвестных зависимостей междунаблюдаемымми переменными X и скрытыми(латентными) переменными T. В случае обучения сучителем такое восстановление производится пообучающей выборке Y• В классических задачах машинного обученияпредполагается, что обучающая выборкасформирована из однородных и независимых объектовY = {(xi , ti )}ni=1• До недавнего времени вероятностные методыобработки данных ограничивались только такимпростейшим случаем, а изложение каждого методаначиналось со слов «Предположим, что нам данавыборка из независимых одинаково распределенныхслучайных величин...»Задачи со структурными ограничениямиЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сети• Во многих задачах взаимосвязи между наблюдаемымии скрытыми переменными носят сложный характер• В частности, между отдельными переменнымисуществуют вероятностные зависимости• Факт зависимости переменных друг от друга удобноотображать с помощью неориентированного графа(марковской сети)• Если связи между переменнымипричинно-следственные, то их удобно отображать ввиде ориентированных графов (байесовских сетей)• Основным средством работы с графическимимоделями служит аппарат теории вероятностей, в еебайесовской интерпретацииПростой примерЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сетиЗадача о раскраске областей на плоскости так, чтобыникакие соседние не были окрашены в одинаковый цветПростой примерЛекция 2.Графическиемодели. ОбщеепредставлениеВетровЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сетиЗадача о раскраске областей на плоскости так, чтобыникакие соседние не были окрашены в одинаковый цветПростой примерЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровТакая задача легко формулируется в терминахграфической модели, в которой каждая вершина графаможет находиться в одном из четырех состоянийЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сетиВопрос залу: почему четырех?Примеры задач со структурными связямиЛекция 2.Графическиемодели. ОбщеепредставлениеВетровЛикбез• Обработка изображений, сигналовГрафическиемодели• Анализ социальных сетейЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сети• Поиск залежей полезных ископаемых• Анализ естественных языков• Биомедицина и биоинформатика• Веб-поиск• и др.ПланЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сети1 ЛикбезФормула БайесаУсловная независимость случайных величин2 Графические моделиЗадачи со структурными ограничениямиОсновные проблемы в анализе графических моделей3 Байесовские сетиФакторизация байесовских сетейТри элементарных графаПример использования4 Марковские сетиПотенциалы и энергия кликПример использованияСвязь с байесовскими сетямиГрафические моделиЛекция 2.Графическиемодели.

ОбщеепредставлениеВетровЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сети• Графическая модель представляет собойориентированный или неориентированный граф• Вершины графа соответствуют переменным• Ребра графа соответствуют вероятностнымотношениям, определяющим непосредственныезависимостиГлавные задачи в анализе графическихмоделейЛекция 2.Графическиемодели. ОбщеепредставлениеВетровЛикбезГрафическиемоделиЗадачи соструктурнымиограничениямиОсновныепроблемы ванализеграфическихмоделейБайесовские сетиМарковские сетиОбозначим совокупность наблюдаемых переменных X, аненаблюдаемых переменных T. Основными задачами ванализе графических моделей являются• Подсчет условного распределения на значенияотдельной скрытой переменной p(ti |X)−?• Нахождение наиболее вероятной конфигурациискрытых переменных p(T|X) → maxT• Оценка адекватности выбранной графической моделиданным p(X)−?Трудности, возникающие при использованииграфических моделейЛекция 2.Графическиемодели.

Характеристики

Тип файла
PDF-файл
Размер
5,37 Mb
Тип материала
Высшее учебное заведение

Список файлов лекций

Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6540
Авторов
на СтудИзбе
301
Средний доход
с одного платного файла
Обучение Подробнее