فرمت فایل : power point(قابل ویرایش) تعداد اسلاید : 31 اسلاید
مقدمه
پاورپوینت ارزیابی شبکه های باور بیزی در هوش مصنوعی
فرمت فایل : power point(قابل ویرایش) تعداد اسلاید : 31 اسلاید
مقدمه
موضوع فارسی : خودآموزی شبکه های بیزی در تشخیص
موضوع انگلیسی : Self-learning bayesian networks in diagnosis
تعداد صفحه : 10
فرمت فایل :pdf
سال انتشار : 2014
زبان مقاله : انگلیسی
چکیده
این مقاله بر مبنای پایه اصلی هوش مصنوعی، روش های تشخیصی احتمالی، توسعه و تشخیص
پایگاه داده ها و بر اساس تشخیصی دانش و شبکه های بیزی به عنوان اساس تشخیص خود یادگیری است که سیستم ها
معمولا در پزشکی برای تشخیص بیماری های بر اساس علائم. مدل احتمالاتی شبکه تشخیصی
بر اساس فرمول های بیزی. این فرمول به ما اجازه تعیین احتمال علل بر اساس احتمالات از نتایج.
به این دلیل است که چرا پایگاه داده باید ایجاد شود و احتمالات کافی تعیین می شود. نتایج تحقیق و سپس یک ESTA
تجزیه و تحلیل با استفاده از روش های آماری.
کلمات کلیدی: هوش مصنوعی. خود یادگیری شبکه های بیزی. تشخیصی پزشکی؛ سیستم های تشخیصی؛ پایگاه های داده. شبیه سازی
موضوع فارسی :به روز رسانی اعتقاد به CLG شبکه های بیزی با انتشار تنبل
موضوع انگلیسی :<!--StartFragment -->
Belief update in CLG Bayesian networks with lazy propagation
تعداد صفحه :19
فرمت فایل :PDF
سال انتشار :2008
زبان مقاله : انگلیسی
در سال های اخیر، شبکه های بیزی با مخلوطی از متغیرهای پیوسته و گسسته افزایش سطح توجه بیشتری شده است. در این مقاله، ما در کلاس محدود از مخلوط شبکه های بیزی شناخته شده به عنوان شرطی خطی شبکه های بیزی گاوسی (شبکه های بیزی CLG) تمرکز و ارائه یک معماری برای به روز رسانی دقیق باور برای این دسته از شبکه های مخلوط.
معماری ارائه یک فرمت از انتشار تنبل با استفاده از عملیات از Lauritzen در و جنسن [S.L. است Lauritzen در، F. جنسن، محاسبات محلی پایدار با توزیع گاوسی مخلوط، آمار و محاسبات 11 (2) (2001) 191-203] و کاول [R.G. کاول، انتشار محلی در شبکه های بیزی گاوسی شرطی، مجله یادگیری ماشین تحقیقات 6 (2005) 1517-1550]. توسط تجزیه دار و دسته و جدا پتانسیل به مجموعه ای از عوامل، معماری ارائه شده استفاده از خواص استقلال و بی ربط ناشی از ساختار نمودار و شواهد طول می کشد. در نتیجه منافع توسط نمونه نشان داده شده و ارزیابی شده توسط آزمایش.
عملکرد معماری ارائه شده است با استفاده از مجموعه ای از شبکه های به طور تصادفی تولید قرار گرفته است. نتایج نشان می دهد پتانسیل قابل توجهی از معماری ارائه شده است.