Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Reti Bayesiane: un approccio multi-esperto allo structural learning

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

Capitolo 1 - Le reti Bayesiane 10 1.3 BAYESIAN NETWORKS Le reti Bayesiane (Bayesian Network, Belief Networks o Bayesian Belief Networks – BN o BBN) sono un valido strumento per rappresentare un dominio in condizioni di incertezza 5 . In particolare, si parla di Causal Probabilistic Networks – CPN, quando le reti Bayesiane sono impiegate per evidenziare relazioni di tipo causale all’interno del dominio. Le Belief Network necessariamente non implicano un impiego dei metodi Bayesiani; piuttosto l’aggettivo “Bayesiano” è legato all’utilizzo della regola di Bayes per l'inferenza probabilistica 6 . Le probabilità codificate dalla rete Bayesiana possono infatti essere “Bayesiane” se derivate dalla conoscenza a priori (fornite da un esperto, ad esempio), “fisiche” quando l’apprendimento delle probabilità avviene esclusivamente da un database di esempi (interpretazione frequentista). 1.3.1 L'APPROCCIO BAYESIANO ALLA PROBABILITÀ Per comprendere le reti Bayesiane e le tecniche di apprendimento ad esse associate, è importante delineare l'approccio Bayesiano alla probabilità e alla statistica. La probabilità Bayesiana 7 di un evento 8 x è espressa dal livello di fiducia che una persona associa all'evento; quindi mentre la probabilità classica è una proprietà fisica del mondo, basata sull’interpretazione frequentista, quella Bayesiana è una proprietà della persona che assegna la probabilità all’evento. Per chiarire, consegnando una moneta a qualcuno e chiedendogli di assegnare una probabilità all’evento <>, questi, verosimilmente, risponderà ½. Se, invece, si convincesse la persona che la moneta è sbilanciata in favore di ‘testa’, egli assegnerebbe una probabilità più alta 5 L’incertezza è imputabile alla comprensione imperfetta o alla conoscenza incompleta del dominio, alla casualità nel meccanismo che ne governa il comportamento ovvero ad una combinazione di questi fattori. 6 L’inferenza probabilistica, in breve, determina quale sia la probabilità di un evento. 7 In onore del Reverendo Thomas Bayes, uno scienziato della metà del ‘700 che diede significativi contributi alla teoria dell’inferenza probabilistica. 8 Alcune nozioni (evento, ad esempio) e assiomi della teoria della probabilità sono riportati, in breve, nell’Appendice.

Anteprima della Tesi di Sabatino Liguori

Anteprima della tesi: Reti Bayesiane: un approccio multi-esperto allo structural learning, Pagina 7

Tesi di Laurea

Facoltà: Ingegneria

Autore: Sabatino Liguori Contatta »

Composta da 242 pagine.

 

Questa tesi ha raggiunto 2591 click dal 20/03/2004.

 

Consultata integralmente 6 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.