机器智能 |
您所在的位置:网站首页 › 归一化条件 › 机器智能 |
先验概率和后验概率就不说了,直接进入归一化正题: 1、归一化:a、目标:给定条件变量E的值e,计算查询变量Y的后验联合分布P(Y|E=e). b、步骤: ①、确定隐藏变量H=X-E-Y,其中X是变量总集 条件概率=联合概率*规划因子,规划因子的值为1/P(E=e) ②、 a、命题a和b之间的独立性可以写作:即a不影响b的发生,b也不影响a的发生 a、举例: a、联合概率规则:a和b同时发生的概率是b发生的概率x在b条件下a发生的概率 一个机器人通过摄像头来评估门的状态。门只能处于两种状态中:“开门”和“关门”。初始时,机器人不知道门处于何种状态之中,因此赋予”开门”和”关门”两种状态同样的先验概率值: P(is_open)=0.5 P(is_close)=0.5 进一步假设机器人的摄像头传感器是有噪音的,这些噪音导致了对于开门,关门状态判断的不准确,产生了如下的条件概率: P(sensor_open|is_open)=0.6, P(sensor_closed|is_open)=0.4 P(sensor_open|is_closed)=0.2, P(sensor_closed|is_ closed)=0.8 这些条件概率反映出了机器人在判断关门状态时相对比较可靠(错误率只有0.2),而对于开门状态的判断,错误率相对比较高(错误率为0.4) ①、假定当前机器人探测到门处于“开门”状态,使用贝叶斯规则来计算开门与关门两种状态的后验概率。注意:必须列出公式,只有答案没有过程不得分。 解:这道题考察了贝叶斯公式的运用和归一化的运用。 我们要求的是P(is_open|sensor_open)和P(is_closed|sensor_open) 根据贝叶斯公式可以得到两个的结果分别是0.3α和0.1α,由于这两个概率相互独立并且概率和应该为1(即条件独立性),所以得到两个概率值分别为0.75和0.25 ②、为了避免机器人判断错误而导致的对门的撞击,机器人必须提高对于门的状态的判断准确率。具体来说,我们要求机器人对于门状态的判断准确率达到95%以上。假定机器人连续探求k次并得到门处于“开门”状态,那么k最小为多少才能保证机器人对于“开门”状态的判断准确率达到95%以上?假定每次机器人对于门状态的判断是独立的。 解:这道题实际上很好解决,在上文我们求得了P(is_closed|sensor_open)的值是0.25,而我们的提高准确率的方法时进行多次探测,只要有1次为开门就会判断为当前的状态是“开门”。 也就是说,机器人判断“开门”状态为“关门”的情况是连续k次判断为“关门”,即(P(is_closed|sensor_open))k,这是判断错误的情况,如果我们想要得到正确率达到95%以上的条件是(P(is_closed|sensor_open))k<5%,由此可以得到不等式 (0.25)k<5% 得到k>2 所以K的最小值为3 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |