1696

Построение экспертных систем на основе байесовских сетей доверия Исследование характеристик СПДС

Лабораторная работа

Информатика, кибернетика и программирование

При выполнении лабораторной работы была обучена байесовская сеть. Были получены значения состояний узлов близкие к исходным. Так же хороший результат был получен при обучении сети на основе выборки с 25% пропусков.

Русский

2013-01-06

153.12 KB

63 чел.

Нижегородский Государственный Технический Университет

Кафедра «ГИС»

Лабораторная работа №3

«Построение экспертных систем на основе байесовских сетей доверия

Исследование характеристик СПДС»

2 вариант

 

Нижний Новгород, 2012

  1.  
    Построить БС и СПР для задачи диагностики с двумя признаками.

2. Рассчитать характеристики СПР

Результаты применения СПР

0

*

*

0,3

150

350

0

150

1

150

1

0

*

5.14

25.678

474.322

0

25.678

0,701

35,581

1

*

87.1

435.483

64.516

1

64.516

0,222

2

*

91.5

457.317

42.683

1

42.683

0,083

2

*

0

63.2

315.789

184.210

1

184.210

0,190

99,999

*

1

9.68

48.387

451.612

0

48.387

0,627

*

2

63.2

315.789

184.210

1

184.210

0,190

3

0

0

17.8

88.999

411.001

0

88.999

0,081

35,725

0

1

1.34

6.677

493.323

0

6.677

0,541

0

2

17.8

88.999

411.001

0

88.999

0,081

1

0

96.4

482.142

17.857

1

17.857

0,078

1

1

62.8

313.953

186.046

1

186.046

0,061

1

2

96.4

482.142

17.857

1

17.857

0,078

2

0

97.7

488.599

11.401

1

11.401

0,031

2

1

72.8

364.077

135.922

1

135.922

0,021

2

2

97.7

488.599

11.401

1

11.401

0,031

 – множество номеров наблюдаемых признаков;

и – признаки (звездочкой обозначено неопределенное значение);

– апостериорная вероятность события, которое заключается в том, что пациент болен;

, – апостериорный риск, где – функция потерь (табл. 2);

– оптимальное решение (альтернатива);

– апостериорный риск для выбранной альтернативы;

– вероятность наблюдения (свидетельства);

– средний риск, соответствующий оптимальным решениям.

3. Проверить с помощью самостоятельного расчета величины , и для случаев, когда не определено значение одного из признаков и когда значения обоих признаков известны.

P(z2=0) = P(z2=0 | h=1)P(h=1)+ P(z2=0 | h=0) = 0.1*0.7+0.4*0.3 = 0.190

P(h=1 | z2=0) = P(z2=0 | h=1)P(h=1) / P(z2=0) = 0.4*0.3/0.19 = 0.632

P(h=0 | z2=0) = 1- P(h=1 | z2=0) = 1- 0.632 = 0.368

R0(z2=0) =  r(0,0)P(h=0 | z2=0) + r(1,0)P(h=1 | z2=0) = 0*0.632+500*0.368 = 316

R1(z2=0) =  r(0,1)P(h=0 | z2=0) + r(1,1)P(h=1 | z2=0) = 500*0.368+0*0.632 = 184

P(z1=1 , z2=0) = P(z1=1 | h=1) P(z2=0 | h=1) P(h=1) + P(z1=1 | h=0) P(z2=0|h=1)P(h=0) =  0.63*0.4*0.3 + 0.04*0.1*0.7 = 0.078

P(h=1 | z1=1, z2=0) = P(z1=1 | h=1)P(z2=0 | h=1)P(h=1) / P(z2=0, z1=1) = 0.63*0.4*0.3/0.078 = 0.96

R0(z1=1, z2=0) =  r(0,0) P(h=0 | z1=1, z2=0) + r(1,0)P(h=1 | z1=1, z2=0) = 0+500*0.96 = 480

R1(z1=1, z2=0) =  r(0,1)P(h=0 | z1=1, z2=0) + r(1,1)P(h=1 | z1=1, z2=0) = 500*(1- 0.96) = 20

4. Для БС с одним свидетельством исследовать влияние априорных вероятностей на принимаемые решения. Для заданного вариантом значения и матрицы потерь заполнить таблицу:

К=1

0,1

63.6

318.181

181.818

1

181.818

0,3

87.1

435.483

64.516

1

64.516

0,5

94

470.149

29.851

1

29.851

0,7

97.4

486.755

13.245

1

13.245

0,9

99.3

496.497

3.503

1

3.503

Диаграмма R(z0=1) = f(P(h=1))

Диаграмма R(z1=1) = f(P(h=1))

5. Для БС с одним свидетельством исследовать влияние элементов матрицы потерь на принимаемые решения. Для , заданного вариантом значения и априорных вероятностей заполнить таблицу:

100

900

0,9

87.097

116.129

0

87.097

300

700

0,7

261.290

90.323

1

90.323

500

500

0,5

435.483

64.516

1

64.516

700

300

0,3

609.677

38.709

1

38.709

900

100

0,1

783.871

12.903

1

12.903

Hp=r(1,0)/(r(1,0)+r(0,1))


6. Выполнить параметрическое обучение БС по выборке (сгенерированной в пакете Netica) без пропусков и с 25% пропущенных данных. Сравнить оценки параметров БС.

 


Результаты обучения по выборке без пропусков.

P(h)

h=0

h=1

0,68

0,32

P(z1|h)

P(z2|h)

z1=0

z1=1

z1=2

z2=0

z2=1

z2=2

h=0

0,932

0,043

0,025

0,13

0,824

0,046

h=1

0,16

0,59

0,25

0,37

0,215

0,415

Результаты обучения по выборке c 25 % пропусков.

P(h)

h=0

h=1

0,64

0,36

P(z1|h)

P(z2|h)

z1=0

z1=1

z1=2

z2=0

z2=1

z2=2

h=0

0,913

0,052

0,035

0,23

0,736

0,034

h=1

0,22

0,544

0,236

0,358

0,205

0,437

Вывод:

При выполнении лабораторной работы была обучена байесовская сеть. Были получены значения состояний узлов близкие к исходным. Так же хороший результат был получен при обучении сети на основе выборки с 25% пропусков.


Исходные данные

Таблица Значения потерь и априорные вероятности

№ варианта

1

0

300

700

0

0,8

0,2

0

2

0

500

500

0

0,7

0,3

1

3

0

700

300

0

0,6

0,4

2

Таблица Условные вероятности и

№ варианта

давление

рост/вес

1

0,8

0,15

0,05

0,3

0,6

0,1

0,1

0,7

0,2

0,3

0,2

0,5

2

0,95

0,04

0,01

0,1

0,8

0,1

0,12

0,63

0,25

0,4

0,2

0,4

3

0,6

0,27

0,13

0,25

0,45

0,3

0,23

0,37

0,4

0,15

0,4

0,45


 

А также другие работы, которые могут Вас заинтересовать

63320. Відображення в обліку торговельних та обмінних валютних операцій 67 KB
  За дорученням клієнта: Ведення валютних рахунків клієнта; Купівляпродаж валюти для клієнтів. до валютнообмінних операцій банків з іноземною валютою і дорожніми та іноземними чеками належать: купівля у фізичних осібрезидентів і нерезидентів готівкової іноземної валюти за готівкові гривні
63321. Специфика жанра «антиутопия» в современном литературоведении 67.5 KB
  Жанр утопия как предпосылки возникновения жанра антиутопия. Антиутопия как жанр современного литературоведения. Русская литературная антиутопия.
63322. Школа «черного юмора» как течение постмодернизма в современной американской литературе. Представители и их достижения 28.46 KB
  Цели: ознакомить студентов с особенностью эстетики постмодернисткой школы черного юмора расцветом американского абсурдизма 60х годов получить представление о ярких представителях школы. развивать желание творчески мыслить узнавать новое углубить и закрепить знания Ход...
63324. Новий час. Наукова революція XVII століття: етапи, структура, герої, результати 47 KB
  і опублікованої двома роками пізніше Кеплер привів два зі своїх знаменитих трьох законів руху планет: Кожна планета рухається по еліпсі в одному з фокусів якого перебуває Сонце.Кеплеровский закон площ це перший математичний опис планетарних рухів що виключило принцип рівномірного руху по окружності як першооснову. Цей миттєвий метод опису що Кеплер згодом цілком усвідомлено використовував при аналізі руху Марса став одним з видатних принципових досягнень науки XVII в. Галилея Бесіди й математичні докази що стосуються двох нових...
63325. МІЖБЮДЖЕТНІ ВІДНОСИНИ І СИСТЕМА БЮДЖЕТНОГО ВИРІВНЮВАННЯ 251.5 KB
  Крім того статтею 142 визначено матеріальну та фінансову основу місцевого самоврядування до складу якої входить: рухоме і нерухоме майно доходи місцевих бюджетів інші кошти земля природні ресурси що є у власності територіальних громад...