شبکه بیزین : یک گراف جهت‌دار غیرمدور است که مجموعه‌ای از متغیرهای تصادفی و نحوه ارتباط مستقل آنها را نشان می‌دهد. به عنوان نمونه یک شبکه بیزی می‌تواند نشان دهنده ارتباط بین علت بیماری‌ها با خود آنها باشد. پس با داشتن عوامل بتوان احتمال یک بیماری خاص را در یک مریض تشخیص داد.
شبکه بیزین یک ابزار نسبتاً جدید برای شناسایی (هویت) روابط احتمالی به منظور پیشگویی یا ارزیابی کلاس عضویت است.
به طور خلاصه می توان گفت شبکه بیزین، نمایش بامعنی روابط نامشخص ما بین پارامترها در یک حوزه می‌باشد. شبکه بیزین گراف جهت دار غیر حلقوی از نودها برای نمایش متغیرهای تصادفی و کمانها برای نمایش روابط احتمالی مابین متغیرها به‌شمار می‌رود.
یک شبکه بیزین گراف جهت دار غیر حلقوی است و شامل موارد زیر می‌باشد:
- نودها (دوایر کوچک): برای نمایش متغیرهای تصادفی
- کمانها (پیکانهای نوک تیز) برای نمایش روابط احتمالی ما بین متغیرها
برای هر نود توزیع احتمال محلی وجود دارد که به نود وابسته‌است و از وضعیت والدین مستقل می‌باشد.
خصوصیات
شبکه‌های بیزین در زمینه استدلال احتمالی به طور گسترده مورد استفاده قرار می‌گیرند و به درخت متصل بر روی احتمالات استدلال شده تبدیل می‌شوند. شبکه‌های بیزین به تجزیه زیرگراف اصلی ماکزیمم درخت متصل تبدیل می‌شوند و بیشتر از درخت‌های متصل کاربرد دارند. شبکه بیزین عموماً به صورت آشکار با مقادیر اولیه قابل قبول و روابط ما بین متغیرها توزیع می‌شود. در مسائل دنیای واقعی بسیار کاربرد دارند. در چندین سال پیش شبکه‌های بیزین توسط افراد مورد توجه قرار گرفتند و به عنوان گروههای زیست شناسی در روش‌های شبکه‌های ژنی توسط افرادی به کار گرفته شدند. شبکه بیزین یک مدل گرافیکی برای نمایش احتمالات مابین متغیرهای موردنظر می‌باشد. از طرفی شبکه‌های بیزین روشی برای نمایش توزیع احتمالی پیوسته بزرگ به صورت نمایی و روش فشرده می‌باشند که اجازه محاسبات احتمالی به طور موثر را می‌دهند. آنها از ساختار مدل گرافیکی برای ضوابط مستقل مابین متغیرهای تصادفی استفاده می‌کنند. شبکه‌های بیزین اغلب برای شرایط مدل احتمالی استفاده می‌شوند و به استدلالهای تحت شرایط نامشخص (احتمالی، عدم قطعیت) کمک می‌کنند. این شبکه شامل بخش کیفی (مدل ساختاری) است که نمایش بصری از فعل و انفعالات در میان متغیرها و بخش کمی (مجموعه‌ای از مشخصات احتمال محلی) را فراهم می‌کند، که مجاز به استنتاج احتمالات و اندازه‌گیری عددی است که متغیرها یا مجموعه‌ای از متغیرها را تحت تاثیر قرار می‌دهد. بخش کیفی به صورت توزیع احتمالی پیوسته که منحصربه‌فرد می‌باشد بر روی کلیه متغیرها تعریف می‌شود.
از طرفي شبكه هاي بيزين روشي براي نمايش توزيع احتمـالي پيوسـته بـزرگ بـهصورت نمايي و روش فشرده مي باشند كه اجازه محاسبات احتمالي به طـور مـوثر را مـي دهنـد. آنهـا ازساختار مدل گرافيكي براي ضوابط مستقل ما بين متغير هاي تصادفي اسـتفاده مـي كننـد. شـبكه هـايبيزين اغلب براي شرايط مدل احتمـالي اسـتفاده مـي شـوند و بـه اسـتدلالهاي تحـت شـرايط نامـشخص(احتمالي ، عدم قطعيت) كمك مي كنند. [١١] اين شبكه شامل بخش كيفي( مدل سـاختاري) اسـتكه نمايش بصري از فعل و انفعالات در ميان متغيرها و بخش كمـي( مجموعـه اي از مشخـصات احتمـالمحلي) را فراهم مي كند ، كه مجاز به استنتاج احتمالات و انـدازه گيـري عـددي اسـت كـه متغيرهـا يـامجموعه اي از متغيرها را تحت تاثير قرار مي دهد .بخش كيفي به صـورت توزيـع احتمـالي پيوسـته كـهمنحصر به فرد مي باشد بر روي كليه متغيرها تعريف مي شود .[٥]به عبارت ديگر شـبكه بيـزين يـكگراف جهت دار غير حلقوي است [٥][١٠][٢٠][٢٩] [٧]كه شامل موارد زير مي باشد : [٥]
– نودها( دواير كوچك) : براي نمايش متغيرهاي تصادفي ، كمانها( پيكانهاي نوك تيز) براي نمايش روابط احتمالي ما بين متغيرها و
– براي هر نود توزيع احتمال محلي وجود دارد كه به نود وابسته است و از وضعيت والدين مستقل مي باشد
. شكل زير يك مثال از شبكه بيزين و جدول احتمال شرطي متناظر( كه اين شبكه بيزين نتايج حاصل ازتركيب شبكه بيزين با الگوريتم حريصانه با ۶۹۲ مجموعه از داده هاي حاصل از سرطان سينه مي باشـد) را نمايش مي دهد
الگوريتم هاي بهينه سازي بيزين :
محاسبات تكاملي الگوريتم هاي توزيع تخمينEDAs ، اولين بار توسط Muhlenbein معرفي شدند. EDAs الگوريتم هاي ژنتيك ساختاري مدل احتمالي به عبارتي PMBGAs ناميده مي شوند و براي تـشخيص بافتـاري جستجوي تكاملي بزرگ بدون دانش اوليه و ارتباط با مساله مورد مطالعه قرار مي گيرنـد. الگـ وريتم هـاي EDAs اگر چه مشابه الگوريتم هاي ژنتيك مي باشند اما به مراتب همانند آنها عمل نمي كنند. عملگرهـاي ژنتيـك صـريح مانند تقاطع و جهش مي باشند. در عوض آنها مدلهاي احتمالي از مجموعه اي از راه حل هاي اميدوار كننـده– مقادير شايستگي از رشته اي طويل (براي م اكزيمم كردن مساله) يا كوتاهتر( براي مينيمم كردن مـساله) سـاختهمي شوند ، و اين مدل بوجود آمده براي توليد رشته بعدي به كار برده مي شود .عموماEDAs به صورت دنبالـه ايتكراري از راه حل هاي بهينه كه در زير به آن اشاره شده بدست مي آيد .
ما برای شما کد های متلب شبکه عصبی بیزین را اماده کردیم که می توانید با پرداخت هزینه ناچیزی دریافت کنید.
یک فایل راهنما در مورد شبکه های عصبی بیزین (Bayesian network) که می توانید از لینک زیر دانلود کنید.
مقالتون خیلی عالی بود……مرسییییییییییییییی
ولی ویدئوی مربوطه موجود نبود، لطفا بررسی کنید.
به کار خوبتون ادامه بدید
خدا قوت
این فیلم در حال تهیه می باشد
در سایت ما عضو شوید تا به محض اماده شدن آنرا سفارش دهید
سلام ممنون از زحماتتون.
فقط فایلی که قراردادین به عنوان راهنما دانلود میشه ولی متنی نمیاد