Upgrade to Pro — share decks privately, control downloads, hide ads and more …

ベイジアンネットワークとは / What is Bayesian network ?

Atom
January 24, 2019
630

ベイジアンネットワークとは / What is Bayesian network ?

(1) Stochastic graphical model
(2) What is Bayesian network?
(3) Probability propagation method
(4) Application to natural language processing

Atom

January 24, 2019

Transcript

14 slides
  1. 参考文献・資料 書籍 [1] 小林一郎:人工知能の基礎,サイエンス社(2016) [2] 鈴木譲 他:確率的グラフィカルモデル,共立出版(2016) 資料 [3] 植野真臣:ベイズ的人工知能特論

    http://www.ai.lab.uec.ac.jp/ベイズ的人工知能特論/ [4] 秋葉友良:自然言語処理におけるベイジアンネット, 人工知能学会誌 Vol.17 No.5 (2002) 2
  2. (1) 確率的グラフィカルモデル 狭義:Bayesian Network と Markov Network を指す. 広義:グラフ表現された確率変数間の依存関係を扱う数理モデル しかし,すべての確率モデルに1対1対応のグラフ(パーフェ

    クトマップ:P-map) が存在するわけではない. ベイジアンネットワークはグラフ表現できる確率モデルのみを 扱うことにし,極小 I-map とd分離を導入し,対応を保証する. 4
  3. (1) 確率的グラフィカルモデル 計算量 精度 大 厳密解 厳密解 近似解 小 荒い近似解

    比較的少ない 高精度の近似解 5 ベイジアンネットワーク ボルツマンマシン 深層学習 マルコフ確率場 マルコフネットワーク
  4. ・素朴な確率推論 確率変数が2値しかとらなくても,10変数で1024パターンの 同時確率を推定する必要がある.(指数的に爆発) 6 (2) ベイジアンネットワークとは A B C D

    E F P(A,B,C,D,E,F) 0 0 0 0 0 0 0.02 0 0 0 0 0 1 0.08 0 0 0 0 1 0 0.11 ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ 1 1 1 1 1 1 0.03
  5. ・確率知識は,グラフ構造より次の関係を表している. , , , , = (|, ) ・これにより,確率知識の積で同時確率が計算可能(証明略) ,

    , , , , = , � , � , � � � ・パターンは4+4+4+2+1+1=16(素朴推論では26 = 64) 8 (2) ベイジアンネットワークとは
  6. ・ここで, (+) +,− は原因として与えられる確率で 決まる値であるから正規化定数 とする. ・ − , +

    は−と+が直接的因果関係がないので 条件付き独立となり, − , + = (−|) ∴ = � (−|) � (|+) ・再帰的な処理によって確率が伝播する 13 (3) 確率伝播法(親:1, 子:1) + −

More Decks by Atom