Celem ćwiczenia jest zapoznanie się z tworzeniem sieci przekonań (Bayesowskich) reprezentujących wiedzę niepewną. Obejmuje to budowanie struktury sieci i jej użycie do klasyfikacji przypadków danych.

Do przeczytania i przygotowania:

• AIM:13.1-13.5
• WSI:12.1,FCA:6.1-6.3

Podstawowym narzędziem do realizacji ćwiczeń jest program Belief nets z AIspace.

Pracuj w parze z Koleżanką/Kolegą. Uruchom narzędzie pisząc w konsoli tekstowej ais-bayes.

1. Przeczytaj opis przykładów w tutorialu 2.
2. Załaduj przykładowe zadanie Fire alarm przez File/Load Sample problem. Sieć modeluje sytuację w której chcemy się zorientować czy jest pożar w budynku, przykład 6.10.
3. Korzystając z podręcznika, prześledź podstawowe tryby użycia sieci w zakładce Solve.
4. Możliwe jest m.in.: obejrzenie tablicy rozkładu wektora losowego (View probability table), oraz monitorowanie prawdopodobieństwa zdarzenia reprezentowanego daną zmienną (Toggle monitoring)
5. Dostarczanie informacji dla analizy sieci możliwe jest przez opcję Make observation

Przeprowadź eksperymenty z siecią.

1. włącz monitorowanie węzłów: T, F, A, L
2. załóżmy, że zgłoszono pożar: R=T
3. jak zmienią się prawdopodobieństwa zdarzeń T, F, A?
4. załóżmy, że dodatkowo zaobserwowano dym: S=T
5. jak teraz zmienią się w.w. T, F, A?
6. a jeżeli mamy informację tylko o dymie?

Przeprowadź własne eksperymenty z tym przykładem.

1. przeczytaj wprowadzenie dotyczące tworzenia sieci
2. załaduj przykład Simple diagnostic example
3. przykład pozwala na diagnozowanie chorób: zapalenie oskrzeli (bronchitis), grypa (influenza),
4. dokonaj obserwacji przykładowych symptomów i sprawdź na jaką wskazując chorobę
5. jak na diagnozę wpływa informacja o tym czy pacjent jest osobą palącą?

Następnie:

1. załaduj sieć Electrical diagnosis problem
2. modeluje przykład systemu dostarczającego prąd (FCA 1.8)
3. model sieci jest pokazany na rysunku 6.2
4. przeprowadź własne eksperymenty dokonując różnych założeń/obserwacji co do zapalonych świateł, etc.

Załaduj i przeanalizuj Car starting problem.