1 / 15

REDES BAYESIANAS APRESENTAÇÃO AO CEAAE 2008 ÁREAS DE INTELIGÊNCIA ARTIFICIAL

REDES BAYESIANAS APRESENTAÇÃO AO CEAAE 2008 ÁREAS DE INTELIGÊNCIA ARTIFICIAL. apresentar dados primários sobre Redes Bayesianas, enquanto uma das áreas da Inteligência Artificial (IA), visando a que os alunos da disciplina conheçam informações preliminares das áreas de IA. OBJETIVO. ROTEIRO.

danae
Download Presentation

REDES BAYESIANAS APRESENTAÇÃO AO CEAAE 2008 ÁREAS DE INTELIGÊNCIA ARTIFICIAL

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. REDES BAYESIANASAPRESENTAÇÃO AO CEAAE 2008ÁREAS DE INTELIGÊNCIA ARTIFICIAL

  2. apresentar dados primários sobre Redes Bayesianas, enquanto uma das áreas da Inteligência Artificial (IA), visando a que os alunos da disciplina conheçam informações preliminares das áreas de IA. OBJETIVO

  3. ROTEIRO • A IDÉIA E A HISTÓRIA • O CONCEITO • UM EXEMPLO • APLICAÇÕES

  4. A IDÉIA • Redes bayesianas - modelos que denotam os relacionamentos probabilísticos entre as variáveis, possuindo: • Estrutura qualitativa: representando as dependências entre os nós. • Estrutura quantitativa: tabelas de probabilidades condicionais dos nós, avaliando, em termos probabilísticos, as dependências.

  5. A HISTÓRIA • TERMO “REDES BAYESIANAS” FOI USADO POR PEARL (1985) • O TEOREMA:

  6. O CONCEITO P(x1,...,xn) = P(x1 | xn-1 , ..., x1 ) P(xn-1,...,x1) P(x1,...,xn) = P(x1 | xn-1 , ..., x1 ) P(xn-1 | xn-2 , ..., x1 ) ... P(x2 | x1) P(xi | xi-1 , ..., x1) = P(xi | Pais (xi))

  7. UM EXEMPLO • No jardim de uma casa há apenas duas formas da grama ficar molhada, pela chuva ou pelo regador. • Dado que a grama está molhada, qual a probabilidade de ter chovido? • Dado que a grama está molhada, qual a probabilidade de o regador ter sido ligado? • A chuva tem um efeito direto no uso do regador: quando chove provavelmente não se liga o regador. • Pode ser modelada com uma rede bayesiana. • três variáveis têm dois estados possíveis T (para verdadeiro) e F (para falso).

  8. UM EXEMPLO

  9. UM EXEMPLO Seria a probabilidade de estar chovendo dado que a grama está molhada.

  10. APLICAÇÕES • Inferência bayesiana • Construção de uma distribuição de probabilidades posteriores, dadas probabilidades a priori. • Realizada através de cálculos probabilísticos. • Utiliza as informações existentes na rede bayesiana. • Máquina de inferência (SE)

  11. APLICAÇÕES • Navegação Terrestre: (utilidade: Inteligência Artificial no sistema eletrônico de artefatos, “fornecimento” de conhecimento - tentativa do alvo usar meios de despistamento). • Reconhecimento de voz: (utilidade na inserção de inteligência na operação de equipamentos de vigilância acústica). • Recuperação em Base de Dados de Imagem e Vídeo: (utilidade na recuperação dos dados recebidos com interferência do inimigo).

  12. ROTEIRO • A IDÉIA E A HISTÓRIA • O CONCEITO • UM EXEMPLO • APLICAÇÕES

  13. apresentar dados primários sobre Redes Bayesianas, enquanto uma das áreas da Inteligência Artificial (IA), visando a que os alunos da disciplina conheçam informações preliminares das áreas de IA. OBJETIVO

  14. “In hoc signo vinces.” (Com este símbolo vencerás) (Eusébio, Vita Constantini).

More Related