Artificial intelligence 子节点的贝叶斯网络概率
给定下列贝叶斯网络确定概率 在图1所示的网络上,假设:Artificial intelligence 子节点的贝叶斯网络概率,artificial-intelligence,probability,bayesian,bayesian-networks,Artificial Intelligence,Probability,Bayesian,Bayesian Networks,给定下列贝叶斯网络确定概率 在图1所示的网络上,假设: P("alternator broken"=true) = 0.02 P("no charging"=true | "alternator broken"=true) = 0.95 P("no charging"=true | "alternator broken"=false) = 0.01. What is P("no charging"=false)? How is it derived? 在没有“风扇皮带断裂”信息的情况下,您如
P("alternator broken"=true) = 0.02
P("no charging"=true | "alternator broken"=true) = 0.95
P("no charging"=true | "alternator broken"=false) = 0.01.
What is P("no charging"=false)? How is it derived?
在没有“风扇皮带断裂”信息的情况下,您如何确定“不充电”?
以下情况是否属实:
P(“不收费”=错误)=
P(“交流发电机损坏”=正确)*P(“不充电”=正确|“交流发电机损坏”=正确)+P(“交流发电机损坏”=错误)*P(“不充电”=正确|“交流发电机损坏”=错误)这是不可能的
要计算给定BN的p(“不收费”)
,您缺少了风扇皮带断裂的先验值。而且不充电
的CPT也未指定,因为不充电
取决于风扇皮带损坏
但你可能想
您所能做的最好的处理就是忽略已损坏的风扇皮带。如果通过对风扇皮带断裂
采取正确的期望值来获得P(“充电”|“交流发电机断裂”)
的值,则结果是正确的。如果后者为真,这意味着风扇皮带断裂
已被消除(汇总),其影响被纳入CPT进行“充电”