on how well Jason is juggling.61. C

on how well Jason is juggling.6
1. Construct a Bayesian network to represent the problem.
2. Which probability tables show where the information on how Jason’s success
is related to the battery level, and Olga’s observational accuracy, are encoded
in the network?
6Variation of Exercise 19.6 in Nilsson, N.J. Artificial Intelligence: A New Synthesis, Copyright (1998).
With permission from Elsevier.3. Suppose that Olga reports that Jason has dropped the ball. What effect does
this have on your belief that the battery is low? What type of reasoning is
being done?
Problem 5
Come up with your own problem involving reasoning with evidence and uncertainty.
Write down a text description of the problem, then model it using a Bayesian network.
Make the problem sufficiently complex that your network has at least 8 nodes
and is multiply-connected (i.e., not a tree or a polytree).
1. Show the beliefs for each node in the network before any evidence is added.
2. Which nodes are d-separated with no evidence added?
3. Which nodes in your network would be considered evidence (or observation)
nodes? Which might be considered the query nodes? (Obviously this depends
on the domain and how you might use the network.)
4. Show how the beliefs change in a form of diagnostic reasoning when evidence
about at least one of the domain variables is added. Which nodes are
d-separated with this evidence added?
5. Show how the beliefs change in a form of predictive reasoning when evidence
about at least one of the domain variables is added. Which nodes are
d-separated with this evidence added?
6. Show how the beliefs change through “explaining away” when particular combinationsof evidence are added.
7. Show how the beliefs change when you change the priors for a root node
(rather than adding evidence).
Conditional Independence
Problem 6
Consider the following Bayesian network for another version of the medical diagnosis
example, where B=Bronchitis, S=Smoker, C=Cough, X=Positive X-ray andL=Lung cancer and all nodes are Booleans List the pairs of nodes that are conditionally independent in the following situations:
1. There is no evidence for any of the nodes.

Kết quả (Việt) 1:

trên tốt như thế nào Jason là juggling.61. xây dựng một mạng Bayes để đại diện cho vấn đề.2. mà xác suất bảng chỉ nơi thông tin về làm thế nào thành công của Jasonliên quan đến mức pin, và độ chính xác quan sát của Olga, được mã hóatrong mạng?6Variation các tập thể dục 19.6 trong trí tuệ nhân tạo Nilsson, NJ: một tổng hợp mới, bản quyền (1998).Với sự cho phép từ Elsevier.3. Giả sử rằng Olga báo cáo rằng Jason đã bỏ bóng. Những gì có hiệu lực nàoĐiều này có trên niềm tin của bạn rằng pin là thấp? Loại lý do làđược thực hiện?Vấn đề 5Tìm ra vấn đề của riêng của bạn liên quan đến lý luận với bằng chứng và sự không chắc chắn.Viết xuống một văn bản mô tả của vấn đề, sau đó mã nó bằng cách sử dụng một mạng Bayes.Làm cho vấn đề phức tạp đủ rằng mạng của bạn có ít nhất 8 nútvà là nhân kết nối (tức là, không một cây hoặc một polytree).1. Hiển thị niềm tin cho mỗi nút trong mạng trước khi bất kỳ bằng chứng được thêm vào.2. mà nút được phân tách d với không có bằng chứng thêm?3. mà nút trong mạng của bạn sẽ được coi là bằng chứng (hoặc quan sát)nút? Mà có thể được coi là các nút truy vấn? (Rõ ràng là điều này phụ thuộctrên tên miền và làm thế nào bạn có thể sử dụng mạng.)4. Hiển thị như thế nào những niềm tin thay đổi trong một hình thức của chẩn đoán lý luận khi bằng chứngvề tối thiểu là một trong các tên miền biến được thêm vào. Nút nàod-tách ra với bằng chứng này thêm vào?5. Hiển thị như thế nào những niềm tin thay đổi trong một hình thức của kiểu lý luận khi bằng chứngvề tối thiểu là một trong các tên miền biến được thêm vào. Nút nàod-tách ra với bằng chứng này thêm vào?6. Hiển thị như thế nào những niềm tin thay đổi thông qua "giải thích đi" khi bằng chứng cụ thể combinationsof được thêm vào.7. Hiển thị như thế nào những niềm tin thay đổi khi bạn thay đổi tiền cho một nút gốc(chứ không phải là thêm bằng chứng).Độc lập có điều kiệnVấn đề 6Xem xét các mạng Bayes sau cho các phiên bản khác của chẩn đoán y tếVí dụ, nơi B = viêm phế quản, S = Smoker, C = ho, X = x-quang tích cực xét = ung thư phổi và tất cả các nút là phép toán danh sách các cặp của các nút độc lập có điều kiện trong những trường hợp sau:1. có là không có bằng chứng cho bất kỳ của các nút.

Kết quả (Việt) 2:

vào như thế nào Jason là juggling.6
1. Xây dựng một mạng Bayesian để đại diện cho các vấn đề.
2. Mà bảng xác suất hiển thị, nơi các thông tin về cách thành công của Jason
là có liên quan đến mức độ pin, và độ chính xác quan sát của Olga, được mã hóa
trong mạng?
6Variation bài tập 19.6 trong Nilsson, NJ Artificial Intelligence:. A New Synthesis, Copyright (1998)
Với sự cho phép từ Elsevier.3. Giả sử rằng Olga báo cáo rằng Jason đã giảm bóng. Tác động gì
này có trên niềm tin của bạn mà pin yếu? Loại lý luận là
đang được thực hiện?
Vấn đề 5
Hãy đến với vấn đề của bạn liên quan đến lý luận với bằng chứng và sự không chắc chắn.
Viết ra một mô tả văn bản của vấn đề, ​​sau đó mô hình nó bằng cách sử dụng một mạng Bayesian.
Làm cho vấn đề đủ phức tạp mà mạng của bạn có ít ít nhất 8 nút
và được nhân-kết nối (tức là, không phải là một cây hay một polytree).
1. Hiện những tín ngưỡng cho mỗi nút trong mạng trước khi bất kỳ bằng chứng được thêm vào.
2. Mà các nút là d-tách không có bằng chứng thêm?
3. Những nút trong mạng của bạn sẽ được coi là bằng chứng (hoặc quan sát)
các nút? Mà có thể được coi là các nút truy vấn? (Rõ ràng điều này phụ thuộc
vào các tên miền và làm thế nào bạn có thể sử dụng mạng.)
4. Thấy làm thế nào thay đổi niềm tin trong một hình thức lý luận chẩn đoán khi có bằng chứng
về ít nhất một trong các biến miền được thêm vào. Những nút được
d-tách biệt với bằng chứng này thêm?
5. Thấy làm thế nào thay đổi niềm tin trong một hình thức lý luận tiên đoán khi bằng chứng
về ít nhất một trong các biến miền được thêm vào. Những nút được
d-tách biệt với bằng chứng này thêm?
6. Thấy làm thế nào thay đổi niềm tin thông qua "giải thích đi" khi bằng chứng cụ thể combinationsof được thêm vào.
7. Thấy làm thế nào niềm tin thay đổi khi bạn thay đổi các priors cho một nút gốc
(thay vì thêm bằng chứng).
Conditional Độc lập
Bài 6
Hãy xem xét các mạng Bayesian sau cho một phiên bản khác của các chẩn đoán y tế
ví dụ, nơi B = Viêm phế quản, S = Hút Thuốc, C = ho, X = Positive ung thư X-ray andL = Lung và tất cả các nút là Booleans Danh sách các cặp nút được có điều kiện độc lập trong các trường hợp sau đây:
1. Không có bằng chứng cho bất kỳ của các nút.