HUGIN软件培训教程介绍-2012

13wwwhikeysheenraycom贝叶斯决策问题贝叶斯决策理论为评估不确定条件下的行动和思考提供了一个坚实的基础确定最优战略并计算这一战略的最大预期效用14wwwhikeysheenraycom贝叶斯网络案例石油投机分子这是一个典型的决策情况石油投机分子必须决定是否钻探他并不确定该洞是干的湿的还是溢满的投机分子可以采取地震探测这将有助于确定地质结构探测将提供一个反应模式多油的迹象一个开放的格局一些迹象表明含有油或弥漫性模式几乎没有有油的希望测试成本是10k钻井成本是70k针对浸泡孔湿孔干孔钻井工具使用费用分别是270k120k15wwwhikeysheenraycom可能性和决策理论3可能性理论频率论者与主观诠释4效用理论最大期望效用原则16wwwhikeysheenraycom贝叶斯网络5为什么用贝叶斯网络
22

三、Hugin培训课程
第一天 介绍 图表和贝叶斯可能性理论 午休时间 贝叶斯网络 在Hugin决策中进行VBA建模 贝叶斯网络的建模技术1
• • • • • •
第二天 • 贝叶斯网络的建模技术2 • 学习贝叶斯网络数据 • 午休时间
23

建模
7、概率图形模型是一个系统的模型表示，他可以用来回答 有关系统的问题，一个典型的问题：什么是 ？ • 在一个决策问题中，y是效用x是方法。典型响应，构建一 个由x到y的模型 • 在一个学习问题中，x是数据集，y是一系列的未来可能事 件 典型响应：计算（近似） • 在一个诊断问题中，x是一系列症状，y是一些可能引起症 状的原因 • 典型响应：希望M是一个好的模型，即 是 的一 个很好的近似
19

贝叶斯网络应用
8、贝叶斯网络的应用 • 医疗系统 • 软件 • 信息处理 • 工业 • 经济 • 军事 • 农业 • 等等
20

贝叶斯网络—公司历史
9、公司历史 • HUGIN EXPERT A/S是第一家生产和出售基于贝叶斯网络技 术的外包的公司 • 该公司成立于1989年，当时是作为一个欧盟项目的副产品 出现的 • MUNIN肌肉和神经推理系统 • 欧盟研究与发展向项目 • 神经系统疾病的诊断 • HUGIN-处理一般的神经网络的不确定性 • 一般推论方法-Lauritzen与Spiegelhalter算法，然后产 生HUGIN算法
二、贝叶斯网络
1、贝叶斯网络 • 贝叶斯网络是一个表示在不确定条件下推理的紧凑模型 • 实体表示为随机变量V • 图形结构G表示实体之间的关系
• 条件概率分布P指定我们认为的相互间的优势
• N表示一个有效的联合概率分布：
• 计算不同事件或者假设的可能性得到一个观测值
9

6

人工智能专家系统
8、动机 • 选择基于模型系统的原因有以下5点： • 基于过程的系统是语义不清楚，而基于模型的系统相反 • 使用表示因果关系的语言，使用提供模拟诊断和预后的单 一的知识库 • 知识和数据都可以用来构建贝叶斯网络 • 适应个人设置 • 利用概率论使得他与决策和效用理论相接简单
17

贝叶斯网络
6、什么时候应用贝叶斯网络？ • 具有因果关系的高度结构域内 • 关于结构，可能性，效用的详尽知识 • 静态结构，浮动的概率 • 不同来源的不确定性 • 不完整的知识 • 嘈杂的意见 • 抽象的概念 • 最大期待效用
18

21

贝叶斯网络—公司标志
10、公司标志-一只乌鸦 为什么一个为基于概率图形模型生产决策支持的公司会有 这样一个名字？ • HUGIN专家系统公司的标志是乌鸦和Hugin，一两只乌鸦来 源于北欧神话，Munin和Hugin属于北欧的智慧神Odin • 每天早晨，他们飞到世界的每个角落，给Odin带回智慧。 他们坐在Odin的肩膀上，将智慧耳语道他的耳朵里。由于 Odin知道一切事情，他成为世界上最明智的人 • Munin代表记忆，Hugin代表智慧，他们是Odin灵魂的体现 • 这个公司的创始人很喜欢这个神话
13

贝叶斯决策问题
• 贝叶斯决策理论为评估不确定条件下的行动和思考提供了 一个坚实的基础
• 确定最优战略，并计算这一战略的最大预期效用
14

贝叶斯网络（案例）石油投机分子
• 这是一个典型的决策情况 石油投机分子必须决定是否钻探，他并不确定该洞是干的 湿的还是溢满的，投机分子可以采取地震探测，这将有助于 确定地质结构，探测将提供一个反应模式（多油的迹象）， 一个开放的格局（一些迹象表明含有油），或弥漫性模式 （几乎没有有油的希望），测试成本是10K，钻井成本是70K， 针对浸泡孔，湿孔，干孔，钻井工具使用费用分别是270K， 120K
5

人工智能专家系统
6、规范专家系统 • 对问题区域进行建算和决策理论，不进行不确定性演算 • 封闭的世界代表一个给定的问题域 • 域模型假设某些特定的背景下或文中的模型是有效的 7、规范系统——特征 • 基于贝叶斯网络的系统和（具有有限记忆体）受影响的图是 规范的，并且具有以下特征： • 表示因果关系的走势 • 加强概率关系的强度 • 代表公众喜好 • 基于预期效用最大化的建议
15

可能性和决策理论
3、可能性理论 • 命题信念理论 • 调节命题正确性的信念 • 频率论者与主观诠释 4、效用理论 • 偏好理论 • 不确定因素下的理想表现 • 最大期望效用原则
16

贝叶斯网络
5、为什么用贝叶斯网络? • 关于因果关系的一个紧凑和直观的图形表示 • 对不确定性和决定的连贯的健全的数学处理 • 根据数据集贝叶斯网络进行自动建设和适应 • 对贝叶斯网络查询的搞笑解决方案 • 对数据进行冲突分析，解释分析，敏感性分析，以及由分 析过程产生的价值
11

贝叶斯网络（案例）
• 后验 • 似然性 重温贝叶斯理论 • 后验=先验*可能性 • 因此，我们得到 • 因此，后验
和 和
12

贝叶斯网络（案例）亚洲
• 这是一个典型的诊断情况。 急促的呼吸（呼吸困难），可能是由于肺结核、肺癌症或 支气管炎，或不是这些原因，或其中之一以上。最近就关于 结核病增加的原因出访亚洲，吸烟室引起肺癌和支气管炎的 危险因素。一个简单的胸部X光检查区别不出事肺癌还是支 气管炎，也看不出是否有呼吸困难。
贝叶斯网络—贝氏定理
2、贝氏定理 • 牧师托马斯.贝叶斯（1702-1761）生于18世纪英国，曾任 部长
• 这个定理由拉普拉斯广义化，是使用概率论的逻辑推理问 题的基本出发点 • 后验=先验*可能性
10

贝叶斯网络（案例）
彼得和埃里克是贝叶斯餐厅的两位厨师，彼得一周工作6天， 而埃里克工作1天，90%的情况下，彼得的食物是高质量的， 而埃里克的食物50%的情况下是高质量的。一天晚上，这个 餐厅提供一个大型的晚餐。我们断定那天晚上是埃里克准备 的食物，这样公平吗？ • • • • 假设推理问题的先验知识 a:某人患有癌症-P（a）=0.05 b:某人呼吸困难-P（b）=0.42 在知道b的情况下我们能得到什么信息
9、对各个方面进行推理，我们有不确定的因果关系 • 寒冷（C）可能会导致打喷嚏（S） • 过敏（A）可能会导致打喷嚏（S）
7

人工智能专家系统
相互间的推理
正常推理
诊断推理
我们想要一个各向同性的代表-支持在各个方面的推理
8

25

3

专家系统
3、专家系统 • 第一个专家系统建于60年代末 专家系统=知识库+推理引擎 • 第一个专家系统作为计算机专家模型被构建，比如处理以 下生产规则： 条件-结果 条件-行动 4、在许多系统中，需要处理不确定因素 • 由确定因素x，可以得出确定结果f（x） • 确定因素“A和B”是确定因素A和确定因素B的结合式 • 由不确定性结合的代数式并不能保证数学上的一致性，并 可能导致不正确的结果
HUGIN软件培训教程介绍
2012年

目录
1、人工智能专家系统
2、贝叶斯网络
3、课程安排
2

人工智能
1、人工智能系统是由人类制造的智能化的设备或者服务 • 不确定情况下进行推理并做出决定 • 由数据/经验获得信息 • 有效的解决问题并且应对新形势 2、利用AI（人工智能系统）的理由 • 自动执行任务 • 自动进行推理并且做出决定 • 由数据得到额外的知识和信息
培训课程
• • • • 决策和应用理论 （完美回馈）影响图 有限记忆的影响图（LIMIDs） 影响图的建模技术 第三天 面向对象的网络模型 数据分析 午休 信息分析的价值 证据的敏感性分析 参数敏感性分析

• • • • • •
24
更多信息请关注/网站
4

人工智能专家系统
5、基于规则的系统的问题 • 表示法并不一定模块化 • 大量的努力和维护 • 大型知识库的一致性 • 他们没有准确的表示因果知识 • 现存的推理方法不能处理相关证据 • 数值表示的不确定性不健全 • 对于不同的故障忽略当前的信息 • 没有明确的关于成本和效益的行法 • 专家系统作为替代的规范