There has also been some research o

There has also been some research on extending the inference algorithms to cope
with some special cases of continuous variables and inference, and these no doubt
will eventually be applied in application tools (e.g., Lerner et al., 2001).
10.3.8 Using other knowledge representations
We also note that building the BN structure is a form of conceptual modeling, whose
aim is to represent ‘the meaning of terms and concepts used by domain experts to
discuss the problem, and to find the correct relationships between different concepts’
(Wikipedia, 2010). There are many different flavours of conceptual models, together
with techniques and tools for building them.
For example, concept maps were developed by Joseph D. Novak and his research
group at Cornell University in the 1970s (Novak and Ca´nas, 2008), while alternatives
include argument maps, cognitive maps, conceptual graphs, mind maps, mental
models, topic maps, semantic network and the semantic web! In the KEBN process,
early BN structure prototypes can certainly involve production of knowledge representation
structures, such as concept maps or ontologies (e.g., Boneh, 2010, Helsper
and van der Gaag, 2007), which are later transformed or extended into the actual BN
structure.
Qualitative probabilistic networks (QPN) (Wellman, 1990) provide a qualitative
abstraction of Bayesian networks, using the notion of positive and negative influences
between variables. Wellman shows that QPNs are often able to make optimal
decisions, without requiring the specification of the quantitative part of the BN, the
probability tables. QPNs can also be used as a preliminary model in the knowledge
engineering process, which can later be fleshed out.
10.3.9 Common modeling mistakes: arcs
Common Modeling Mistake 11 Getting the arc direction wrong
It is very common to see BNs that model the human reasoning process instead of
the causal process. For example, typical human diagnostic reasoning would be that
if someone has a temperature, it is quite likely she or he has the flu. Thinking about
the problem in this way leads quite naturally to a BN containing Temperature !
Flu. We discussed earlier (e.g., x 2.4) why the BN should model Cause ! Effect
relationships. The main advantages are that causal networks represent the dependencies
more efficiently (with fewer arcs and so fewer parameters) and that causal
networks allow themselves to be used in causal reasoning, and especially reasoning
about possible interventions.
It is easier to make this sort of error if relevant causal mechanisms are omitted.
Example: Type 1 Diabetes. The presence of relevant antibodies is a risk factor for
later developing Type 1 diabetes. Infants who are never breastfed have twice the risk
of developing Type 1 diabetes as those who are breastfeed for 3 months or longer.
Vitamin D deficiency in the first year of life is also thought to increase the risk of

Kết quả (Việt) 1:

Hiện cũng đã là một số nghiên cứu trên mở rộng các thuật toán suy luận để đối phóvới một số trường hợp đặc biệt liên tục biến, suy luận và nghi ngờ không cócuối cùng sẽ được áp dụng trong các công cụ ứng dụng (ví dụ như, Lerner et al., 2001).10.3.8 bằng cách sử dụng khác đại diện kiến thứcChúng tôi cũng lưu ý rằng xây dựng cấu trúc BN là một hình thức của mô hình khái niệm, màmục đích là để đại diện cho ' ý nghĩa của thuật ngữ và khái niệm được sử dụng bởi các chuyên gia tên miềnthảo luận về vấn đề, và để tìm các mối quan hệ chính xác giữa các khái niệm khác nhau(Wikipedia, 2010). Có rất nhiều hương vị khác nhau của mô hình khái niệm, cùng nhauvới kỹ thuật và công cụ để xây dựng cho họ.Ví dụ, các bản đồ khái niệm được phát triển bởi Joseph D. Novak và nghiên cứu của ôngNhóm ở Đại học Cornell trong thập niên 1970 (Novak và Ca´nas, 2008), trong khi lựa chọn thay thếbao gồm các đối số bản đồ, bản đồ nhận thức, khái niệm đồ thị, bản đồ tâm trí, tâm thầnMô hình, chủ đề bản đồ, mạng ngữ nghĩa và semantic web! Trong quá trình KEBN,những chiếc nguyên mẫu cấu trúc BN chắc chắn có thể liên quan đến sản xuất của kiến thức đại diệncấu trúc, chẳng hạn như bản đồ khái niệm hoặc ontologies (ví dụ như, Boneh, 2010, Helspervà van der Gaag, 2007), đó là sau đó chuyển đổi hoặc mở rộng vào thực tế BNcấu trúc.Chất lượng xác suất mạng (QPN) (Wellman, 1990) cung cấp một chất lượngtrừu tượng của mạng Bayes, bằng cách sử dụng các khái niệm tích cực và tiêu cực ảnh hưởng đếngiữa các biến. Wellman cho thấy rằng QPNs là thường có thể thực hiện tối ưuquyết định, mà không yêu cầu đặc điểm kỹ thuật phần định lượng của BN, cácxác suất bảng. QPNs cũng có thể được sử dụng như là một mô hình sơ bộ trong kiến thứcquá trình kỹ thuật, mà sau đó có thể được fleshed ra.10.3.9 phổ biến mô hình sai lầm: vòng cungPhổ biến mô hình sai lầm 11 nhận được sự chỉ đạo hồ quang saiNó là rất phổ biến để xem BNs mẫu trình con người lý luận thay vìquá trình quan hệ nhân quả. Ví dụ, điển hình lý do con người chẩn đoán nào là màNếu ai đó có một nhiệt độ, nó là khá có khả năng cô hoặc anh ta có bệnh cúm. Suy nghĩ vềvấn đề theo cách này khá tự nhiên dẫn đến một BN có nhiệt độ!Cúm. Chúng tôi đã thảo luận trước đó (ví dụ: x 2.4) lý do tại sao BN nên mẫu nguyên nhân! Có hiệu lựcmối quan hệ. Những lợi thế chính là nguyên nhân mạng đại diện cho các phụ thuộchiệu quả hơn (với ít vòng cung và do đó ít tham số) và rằng causalmạng cho phép mình được sử dụng trong causal lý luận, và đặc biệt là lý luậnvề có thể can thiệp.Nó là dễ dàng hơn để làm điều này loại lỗi nếu có liên quan các cơ chế quan hệ nhân quả được bỏ qua.Ví dụ: Loại 1 bệnh tiểu đường. Sự hiện diện của kháng thể có liên quan là một yếu tố nguy cơsau đó phát triển bệnh tiểu đường loại 1. Trẻ sơ sinh người không bao giờ breastfed có hai lần nguy cơphát triển bệnh tiểu đường loại 1 là những người đang cho con bú cho 3 tháng hoặc lâu hơn.Thiếu hụt vitamin D trong năm đầu tiên của cuộc sống cũng được cho tăng nguy cơ

Kết quả (Việt) 2:

Cũng đã có một số nghiên cứu trên mở rộng các thuật toán suy luận để đối phó
với một số trường hợp đặc biệt của các biến liên tục và suy luận, và những không có nghi ngờ
cuối cùng sẽ được áp dụng trong các công cụ ứng dụng (ví dụ, Lerner et al 2001.,).
10.3.8 Sử dụng khác biểu diễn tri thức
Chúng tôi cũng lưu ý rằng, xây dựng các cấu trúc BN là một hình thức của mô hình khái niệm, mà
mục đích là để đại diện cho 'ý nghĩa của thuật ngữ và khái niệm được sử dụng bởi các chuyên gia miền để
thảo luận về các vấn đề, ​​và tìm ra các mối quan hệ chính xác giữa các khái niệm khác nhau
"(Wikipedia , 2010). Có rất nhiều hương vị khác nhau của mô hình khái niệm, cùng
với các kỹ thuật và công cụ để xây dựng chúng.
Ví dụ, bản đồ khái niệm được phát triển bởi Joseph D. Novak và nghiên cứu của mình
nhóm tại Đại học Cornell trong năm 1970 (Novak và Ca'nas, 2008), trong khi lựa chọn thay thế
bao gồm bản đồ lập luận, bản đồ nhận thức, đồ thị khái niệm, bản đồ tâm trí, tinh thần
mô hình, bản đồ chủ đề, mạng ngữ nghĩa và web ngữ nghĩa! Trong quá trình KEBN,
nguyên mẫu cấu trúc đầu BN chắc chắn có thể liên quan đến việc sản xuất của biểu diễn tri thức
cấu trúc, chẳng hạn như bản đồ khái niệm hay bản thể (ví dụ, Boneh, 2010, Helsper
và van der Gaag, 2007), mà sau này được chuyển đổi hoặc mở rộng sang các BN thực tế
cấu trúc.
mạng định tính xác suất (QPN) (Wellman, 1990) cung cấp một tính
trừu tượng của các mạng Bayesian, sử dụng các khái niệm về những ảnh hưởng tích cực và tiêu cực
giữa các biến. Wellman cho thấy QPNs thường có khả năng làm cho tối ưu
quyết định, mà không yêu cầu các đặc điểm kỹ thuật của phần định lượng của BN, các
bảng xác suất. QPNs cũng có thể được sử dụng như là một mô hình sơ bộ trong sự hiểu biết
quy trình kỹ thuật, sau đó có thể thịt ra.
10.3.9 sai lầm mô hình chung: vòng cung
Modeling Common Sai lầm 11 Bắt hướng hồ quang sai
Nó là rất phổ biến để xem BNS rằng mô hình của con người quá trình lập luận thay vì
quá trình quan hệ nhân quả. Ví dụ, điển hình lý luận chẩn đoán của con người sẽ được rằng
nếu ai đó có một nhiệt độ, nó là rất có thể cô ấy hay anh bị cúm. Suy nghĩ về
vấn đề theo cách này hoàn toàn tự nhiên dẫn đến một BN có chứa Nhiệt độ!
Cúm. Chúng tôi đã thảo luận trước đó (ví dụ, x 2.4) tại sao các BN nên mô hình nguyên nhân! Effect
mối quan hệ. Các ưu điểm chính là rằng các mạng lưới quan hệ nhân quả đại diện cho sự phụ thuộc
hiệu quả hơn (với vòng cung ít hơn và thông số như vậy ít hơn) và rằng nhân quả
mạng lưới cho phép mình được sử dụng trong lý luận nhân quả, và đặc biệt là lý luận
về biện pháp can thiệp có thể.
Nó là dễ dàng hơn để làm cho loại hình này lỗi nếu cơ chế nhân quả có liên quan được bỏ qua.
Ví dụ: Loại 1 tiểu đường. Sự hiện diện của các kháng thể có liên quan là một yếu tố nguy cơ
sau này phát triển bệnh tiểu đường loại 1. Trẻ sơ sinh được nuôi bằng sữa mẹ không bao giờ có hai lần nguy
cơ phát triển bệnh tiểu đường loại 1 là những người được bú mẹ trong 3 tháng hoặc lâu hơn.
Sự thiếu hụt vitamin D trong năm đầu tiên của cuộc sống cũng được cho là làm tăng nguy cơ