capacity, with terms such as modera

capacity, with terms such as moderates and invalidates being used to describe an
unless condition. Enabling relationships exist where the enabling variable may under
certain conditions permit, enhance or inhibit the operation of a cause.
Q: “Is anything else required to enable the cholesterol-lowering medication to be
affective against heart disease?”
A: “Yes, the patient must also modify her diet.”
Modeling: again, suggests arcs from both Medication and Diet to HeartDisease.
As we discussed earlier in x2.3.1, a v-structure in Bayesian networks, with two
parents sharing a common effect, gives rise to a form of reasoning called “explaining
away.” To investigate whether this substructure exists, the knowledge engineer should
ask a series of questions around explanations such as:
Q: “Are both X and Y possible explanations for Z?”
Q: “Would finding out that Z is true increase your belief that both X and Y may be
true?”
Q: “Would then finding out that X is true undermine your previously increased belief
in Y?”
We look further at causal interactions in x10.4.5.
10.3.4 Dependence and independence relationships
As we know, Bayesian networks encode conditional dependency and independency
relationships. Very generally, a dependency can be identified by asking the domain
expert:
Q: “Does knowing something about the value of one variable influence your beliefs
as to the value of the other variable, and vice versa?”
Once we obtain a positive answer to this, we must determine what kind of dependency
exists. If two variables are dependent regardless of the values of all other
variables, then they should be directly connected.
Alternatively, some pairs of variables will be dependent only through other variables,
that is, they are only conditionally dependent. d-separation tests can be used
to check that the encoded relationships agree with the domain expert’s intuitions.
Unfortunately, the concept of d-separation can be difficult to interpret and takes time
for domain experts to understand. We have been involved in the development of
Matilda (Boneh et al., 2006), a software tool that can help domain experts explore
these dependencies. It supports a visual exploration of d-separation in a network,
supplemented by a non-technical explanation of possible interactions between variables.
Matilda uses terms like ‘direct causes,’ ‘causes’ and ‘paths’ to explain graph
relations. The term ‘d-separation’ is replaced by the more intuitive notion of ‘blocking.’
Extending this, a d-separating set found among parent nodes is called a ‘simple
blocking set.’ This is a d-separating set but may contain proper subsets that can also
d-separate. A minimal d-separating set found among parent nodes is called an ‘essential
blocking set.’ This is a d-separating set from which no node can be removed without impairing the d-separation. A minimal d-separating set found anywhere in

Kết quả (Việt) 1:

năng lực, với điều kiện như ôn và invalidates được sử dụng để mô tả mộttrừ khi điều kiện. Cho phép các mối quan hệ tồn tại nơi biến cho phép có thể dướimột số điều kiện cho phép, nâng cao hoặc ức chế hoạt động của một nguyên nhân.Hỏi: "là bất cứ điều gì khác mà yêu cầu để cho phép việc giảm cholesterol thuốc đểtrầm chống lại bệnh tim?"Đáp: "có, bệnh nhân phải cũng sửa đổi chế độ ăn uống của mình."Mô hình: một lần nữa, cho thấy vòng cung từ cả hai thuốc và chế độ ăn uống để HeartDisease.Như chúng tôi đã thảo luận trước đó trong x2.3.1, một cấu trúc v trong mạng Bayes, với haicha mẹ chia sẻ một hiệu ứng phổ biến, cung cấp cho tăng tới một dạng lý luận được gọi là "giải thíchđi." Để tìm hiểu cho dù hàng này tồn tại, các kỹ sư kiến thức nênhỏi một loạt câu hỏi xung quanh giải thích chẳng hạn như:Hỏi: "là cả X và Y có thể giải thích cho Z?"Hỏi: "sẽ tìm ra rằng Z là thật sự làm tăng niềm tin của bạn mà cả X và Y có thểsự thật không?"Hỏi: "nào sau đó tìm ra rằng X là thực sự làm suy yếu trước đây tăng niềm tin của bạnở Y?"Chúng tôi nhìn xa hơn lúc quan hệ nhân quả tương tác trong x10.4.5.10.3.4 mối quan hệ phụ thuộc vào và độc lậpNhư chúng ta biết, mạng Bayes mã hóa có điều kiện phụ thuộc và independencymối quan hệ. Rất thường, một sự phụ thuộc có thể được xác định bằng cách yêu cầu tên miềnchuyên gia:Hỏi: "có biết điều gì đó về giá trị của một biến ảnh hưởng đến niềm tin của bạnnhững giá trị của biến khác, và ngược lại? "Một khi chúng tôi có được một câu trả lời tích cực này, chúng ta phải xác định loại phụ thuộctồn tại. Nếu hai biến được phụ thuộc bất kể giá trị của tất cả cácbiến, sau đó họ nên được kết nối trực tiếp.Ngoài ra, một số cặp biến sẽ được phụ thuộc chỉ thông qua các biến kháccó nghĩa là, họ đang chỉ có điều kiện phụ thuộc. d-tách bài kiểm tra có thể được sử dụngđể kiểm tra các mối quan hệ được mã hóa đồng ý với các chuyên gia tên miền intuitions.Thật không may, khái niệm của chia ly d có thể được khó khăn để giải thích và mất thời giancho các chuyên gia tên miền để hiểu. Chúng tôi đã được tham gia vào sự phát triển củaMatilda (Boneh et al., 2006), một công cụ phần mềm có thể giúp các chuyên gia tên miền khám pháCác phụ thuộc. Nó hỗ trợ một thăm dò thị giác của d-chia ly trong một mạng,bổ sung thêm một lời giải thích kỹ thuật có thể tương tác giữa các biến.Matilda sử dụng điều khoản như 'nguyên nhân trực tiếp,' 'nguyên nhân' và 'Path' để giải thích biểu đồquan hệ. Thuật ngữ có-tách ' được thay thế bởi các khái niệm trực quan hơn 'chặn.'Mở rộng điều này, một d-tách đặt tìm thấy trong số các nút phụ huynh được gọi là một ' đơn giảntập hợp chặn.' Đây là một tập hợp tách d nhưng có thể chứa tập thích hợp mà cũng có thểd-riêng biệt. Một tối thiểu d-tách đặt tìm thấy trong số các nút phụ huynh được gọi là một ' cần thiếttập hợp chặn.' Đây là một thiết lập d-tách từ đó không có nút có thể bị xoá mà không qủa d-tách. Một d-tách bộ tối thiểu có tìm thấy bất cứ nơi nào trong

Kết quả (Việt) 2:

công suất, với các điều khoản như ôn và làm mất hiệu lực được sử dụng để mô tả một
điều kiện trừ. Các mối quan hệ cho phép tồn tại nơi các biến cho phép có thể dưới
một số điều kiện cho phép, tăng cường hoặc ức chế sự hoạt động của một nguyên nhân.
Q: "Có điều gì khác cần thiết để cho phép các thuốc hạ cholesterol được
tình cảm chống lại bệnh tim?"
A: "Có, Bệnh nhân cũng phải thay đổi chế độ ăn uống của mình ".
Modeling:. một lần nữa, cho thấy vòng cung từ cả thuốc và chế độ ăn uống để HeartDisease
Như chúng ta đã thảo luận trước đó trong x2.3.1, một v-cấu trúc trong mạng Bayes, với hai
cha mẹ chia sẻ một hiệu ứng phổ biến, đưa đến một hình thức lý luận gọi là "giải
thích. away" Để điều tra liệu Hạ tầng cơ sở này tồn tại, các kỹ sư kiến thức nên
đặt ra một loạt câu hỏi xung quanh giải thích như:
Q: "Có cả X và Y có thể giải thích cho Z?"
Q: "Sẽ tìm ra rằng Z là tăng thực sự tin tưởng của bạn mà cả X và Y có thể là
sự thật "?
Q:" sau đó sẽ tìm ra rằng X là đúng làm suy yếu niềm tin tăng trước đó của bạn
trong Y "?
Chúng tôi đi sâu xem xét tương tác nhân quả trong x10.4.5.
10.3 0,4 phụ thuộc và độc lập các mối quan hệ
Như chúng ta biết, mạng Bayesian mã hóa phụ thuộc và độc lập tự chủ có điều kiện
mối quan hệ. Rất thường, một sự phụ thuộc có thể được xác định bằng cách hỏi các miền
chuyên gia:
Q: "Không biết điều gì đó về giá trị của một ảnh hưởng biến niềm tin của bạn
với những giá trị của các biến khác, và ngược lại?"
Một khi chúng ta có được một câu trả lời tích cực này, chúng ta phải xác định những loại phụ thuộc
tồn tại. Nếu hai biến phụ thuộc không phụ thuộc vào giá trị của tất cả các
biến, sau đó họ phải được kết nối trực tiếp.
Ngoài ra, một số cặp biến sẽ phụ thuộc chỉ thông qua các biến khác,
đó là, họ chỉ có điều kiện phụ thuộc. kiểm tra d-tách ra có thể được sử dụng
để kiểm tra những mối quan hệ mã hóa đồng ý với trực giác các chuyên gia tên miền.
Thật không may, các khái niệm về d-tách ra có thể khó khăn để giải thích và cần có thời gian
cho các chuyên gia miền để hiểu. Chúng tôi đã được tham gia vào sự phát triển của
Matilda (Boneh et al., 2006), một công cụ phần mềm có thể giúp các chuyên gia khám phá miền
những phụ thuộc. Nó hỗ trợ một thăm dò hình ảnh của d-ly trong một mạng lưới,
bổ sung bằng một lời giải thích phi kỹ thuật của các tương tác có thể có giữa các biến.
Matilda sử dụng những thuật ngữ như 'nguyên nhân trực tiếp,' 'gây' và 'con đường' để giải thích biểu đồ
quan hệ. Thuật ngữ 'd-tách "được thay thế bởi các khái niệm trực quan hơn' chặn."
Mở rộng này, một bộ d-chia tìm thấy trong số các nút cha được gọi là một 'đơn giản
thiết lập ngăn chặn. " Đây là một bộ d-chia nhưng có thể chứa các tập con đúng mà cũng có thể
d-riêng. A d-chia thiết lập tối thiểu tìm thấy trong số các nút cha được gọi là 'cần thiết
thiết lập ngăn chặn. " Đây là một bộ d-chia từ mà không có nút có thể được loại bỏ mà không làm suy yếu các d-ly. A d-chia thiết lập tối thiểu tìm thấy bất cứ nơi nào trong