redes bayesianas alexandre silva pinheiro [email protected] [email protected]
TRANSCRIPT
![Page 2: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/2.jpg)
Inteligência Artificial Redes Bayesianas
Objetivos
●Introdução●Redes causais e bayesianas●Limitações●Aplicação
![Page 3: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/3.jpg)
Inteligência Artificial Redes Bayesianas
Introdução
●Por que Bayes?●regra matemática que explica como
podemos mudar nossas crenças anteriores sob a luz de uma nova evidência
●Incerteza●se condição com certeza x então fato com
certeza f(x)
![Page 4: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/4.jpg)
Inteligência Artificial Redes Bayesianas
Redes Causais e Bayesianas
●Dependência/independência condicional●varia de acordo com a evidência:
●Exemplos
F T
A R
G
H W
![Page 5: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/5.jpg)
Inteligência Artificial Redes Bayesianas
Redes Causais e Bayesianas
●Tipos de conexão
A B C
B
A
DC H...
B C D
A
H...
![Page 6: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/6.jpg)
Inteligência Artificial Redes Bayesianas
Redes Causais e Bayesianas
●D-Separação●a conexão é em série ou divergente e o
estado de V é conhecido●a conexão é convergente e nem V ou
nenhum de seus descendentes recebeu uma evidência
●Se A e B são d-separados então a mudança na certeza de A não interfere na certeza de B
![Page 7: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/7.jpg)
Inteligência Artificial Redes Bayesianas
Redes Causais e Bayesianas
●Probabilidades condicionais● Bayes
●Probabilidades subjetivas●suposições
)(
)()|()|(
AP
BPBAPABP
![Page 8: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/8.jpg)
Inteligência Artificial Redes Bayesianas
Redes Bayesianas
• Um conjunto de variáveis e um conjunto de arcos orientados entre as variáveis
• Cada variável tem um conjunto finito de estados mutuamente exclusivos
• As variáveis juntas aos arcos diretos formam um grafo acíclico orientado (é acíclico se não tiver nenhum caminho A1... An sendo que A1=An)
• Para cada variável A com pais B1,...,Bn existe uma tabela de probabilidade condicional P(A|B1,...,Bn)
![Page 9: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/9.jpg)
Inteligência Artificial Redes Bayesianas
Redes Causais e Bayesianas
P(H|G)G=y G=n
H=y 0,8 0,1H=n 0,2 0,9
P(W|G)G=y G=n
W=y 0,8 0,1W=n 0,2 0,9
P(W,G) e P(H,G)G=y G=n
H=y 0,56 0,03H=n 0,14 0,27
P(H,G) atualizadoG=y G=n
H=y 0,8*0,95 0,1*0,05H=n 0,2*0,95 0,9*0,05
P(H) = (0,76 +0,005;0,19+0,045)=(0,765;0,235)
![Page 10: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/10.jpg)
Inteligência Artificial Redes Bayesianas
Modelos
• Relações causais não são tão óbvias• Divórcio
![Page 11: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/11.jpg)
Inteligência Artificial Redes Bayesianas
Propagação
• Atualizar as probabilidades sem ter que varrer toda a árvore
• Árvores de junção• Simulação estocástica
• m configurações das probabilidades são contadas para cada variável
• ao determinar uma das configurações, as contagens são atualizadas e a configuração descartada
![Page 12: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/12.jpg)
Inteligência Artificial Redes Bayesianas
Limitações
• Eventos não esperados• Explorar uma rede previamente
desconhecida• Extensão e confiabilidade das crenças
primárias
![Page 13: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/13.jpg)
Inteligência Artificial Redes Bayesianas
Aplicação
• Site Profiler• Gerência de riscos terroristas
– Terror: ameaça assimétrica
• Insumos para a RB– convicções objetivas e subjetivas do
usuário– banco de dados histórico– resultados de modelos analíticos– simulações
![Page 14: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/14.jpg)
Inteligência Artificial Redes Bayesianas
Entrada de dados
![Page 15: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/15.jpg)
Inteligência Artificial Redes Bayesianas
Classificando riscos
![Page 16: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/16.jpg)
Inteligência Artificial Redes Bayesianas
Risk Influence Network
![Page 17: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/17.jpg)
Inteligência Artificial Redes Bayesianas
Fontes de Evidências
![Page 18: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/18.jpg)
Inteligência Artificial Redes Bayesianas
Visão de uma RIN
![Page 19: Redes Bayesianas Alexandre Silva Pinheiro alesilpi@cos.ufrj.br alexandre.pinheiro@serpro.gov.br](https://reader033.vdocuments.site/reader033/viewer/2022061611/552fc10d497959413d8c442f/html5/thumbnails/19.jpg)
Inteligência Artificial Redes Bayesianas
Referências
• Hudson L., Ware B., Blackmond K., Mahoney S. (2001) An Application of Bayesian Networks to Antiterrorism Risk,Management for Military Planners.
• Jensen, V. F. (1996) "Introduction to Bayesian Networks", University College London Press, Londres, Inglaterra.
• Niedermayer D. (1998) "An Introduction to Bayesian Networks and their Contemporary Applications",