貝葉斯網絡

出自維基百科,自由嘅百科全書
Jump to navigation Jump to search
一個簡單嘅貝葉斯網絡

貝葉斯網絡粵拼bui3 jip6 si1 mong5 lok6英文Bayesian network)喺認知科學人工智能上係一種可以用嚟做推理[1]、學習[2]、同計劃[3]嘅工具。一個貝葉斯網絡會考慮大量嘅變數,並且用一柞基於貝葉斯定理(Bayes' Theorem)嘅方程式模擬唔同變數之間嘅關係。舉個簡單嘅例子說明,假想家吓有一個貝葉斯網絡,佢會睇某啲變數(包括咗「有冇落雨」同埋「啲灌溉花灑有冇開著」)嘅數值,並且計出「啲草係濕嘅」呢個狀態係「真」嘅機會率,會用到(例如)以下呢條式:

當中 係指「啲草濕咗」呢個狀態, 係指「啲灌溉花灑著咗」呢個狀態,而 係指「有落雨」呢個狀態。成條式用日常用語講嘅話係噉嘅:「嗰三個狀態都係真嘅機會率」()等如「啲草濕咗嘅機會率,如果有落雨而且啲灌溉花灑著咗嘅前提下」()乘以「啲灌溉花灑著咗嘅機會率,如果有落雨嘅前提下」()乘以「有落雨嘅機會率」()。

個設計者寫好程式之後,可以(例如)揾一大柞有關呢幾個變數之間嘅關係嘅數據俾個程式睇,跟住叫個程式用呢啲過往嘅數據計出變數同變數之間嘅關係係點,而個程式就可以攞嚟預測未來。貝葉斯式人工智能有相當廣泛嘅用途,例如 Xbox Live,喺幫啲打緊網上遊戲嘅玩家揾比賽加入嗰陣就會用到考慮嗰個玩家嘅贏率嘅貝葉斯網絡[4]:一種做法係整一個人工神經網絡,用每一個玩家喺先前嗰啲比賽嗰度「幾常成功殺敵」同埋「幾常俾敵人殺」等嘅資訊做個網絡嘅輸入,而呢個網絡嘅輸出就係「如果個分隊係噉嘅話,A 隊贏嘅機會率係幾多」,並且寫個演算法揾出令到呢個機會率最接近 50% 嘅分隊法(即係盡可能令場比賽勢均力敵)[4]

睇埋[編輯]

[編輯]

  1. Bayesian inference algorithm:
    • Russell & Norvig 2003, pp. 504–519,
    • Poole, Mackworth & Goebel 1998, pp. 361–381,
    • Luger & Stubblefield 2004, pp. ~363–379,
    • Nilsson 1998, chpt. 19.4 & 7.
  2. Bayesian learning and the expectation-maximization algorithm:
    • Russell & Norvig 2003, pp. 712–724,
    • Poole, Mackworth & Goebel 1998, pp. 424–433,
    • Nilsson 1998, chpt. 20.
  3. Bayesian decision theory and Bayesian decision networks:
    • Russell & Norvig 2003, pp. 597–600.
  4. 4.0 4.1 Delalleau, O., Contal, E., Thibodeau-Laufer, E., Ferrari, R. C., Bengio, Y., & Zhang, F. (2012). Beyond skill rating: Advanced matchmaking in ghost recon online. IEEE Transactions on Computational Intelligence and AI in Games, 4(3), 167-177.