Thesis - RWTH Aachen University
Thesis - RWTH Aachen University
Thesis - RWTH Aachen University
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
112 5.3 Verhaltenskoordination<br />
Vorgängerknoten die entsprechenden Wahrscheinlichkeiten für die Zustände des betreffenden Knotens.<br />
Damit lässt sich nach Heckerman [Hec95] ein BBN für eine Menge von Variablen {Z1, . . . , Zn}<br />
definieren durch (Abbildung 5.6):<br />
• eine Netzwerkstruktur, welche die Abhängigkeiten zwischen den Zufallsvariablen beschreibt,<br />
und<br />
• eine Menge von bedingten Wahrscheinlichkeiten, welches einer cpt pro Knoten entspricht.<br />
p(C|A,B)<br />
p(C|−A,B)<br />
p(C|A,−B)<br />
p(C|−A,−B)<br />
p(A) p(B) p(D)<br />
A B D<br />
cpt Knoten C<br />
cpt Knoten E<br />
C E<br />
p(E|B,D)<br />
p(E|−B,D)<br />
p(E|B,−D)<br />
p(E|−B,−D)<br />
Abbildung 5.6: Beispiel eines Bayesian Belief Networks<br />
Im Allgemeinen wird die Wahrscheinlichkeit für ein Verbundereignis mit der Kettenregel berechnet:<br />
p(Z1, Z2, . . . , Zk) = p(Z1)<br />
k�<br />
p(Zi|Zi−1, . . . , Z1) (5.1)<br />
Unter der Berücksichtigung, dass die bedingte Wahrscheinlichkeit eines Knotens nur von den Wahrscheinlichkeiten<br />
seiner direkten Vorgänger P(Zi) abhängt, wobei P(Zi) die Menge der Vorgänger<br />
von Knoten i darstellt, ergibt sich eine vereinfachte Bestimmung der Wahrscheinlichkeit:<br />
p(Z1, Z2, . . . , Zk) =<br />
i=2<br />
k�<br />
p(Zi|P(Zi)) (5.2)<br />
Die Werte von p(Zi|P(Zi)) sind in der cpt vom i-ten Knoten gegeben. Durch die vereinfachte Bestimmung<br />
der Wahrscheinlichkeit reduziert sich die Größe der zugehörigen cpt und damit ergibt sich eine<br />
erhebliche Reduktion in der notwendigen Berechnung. Hat ein Knoten keinen direkten Vorgänger, ist<br />
also die zugehörige Zufallsvariable stochastisch unabhängig, wird anstatt einer cpt nur eine a priori<br />
Wahrscheinlichkeit angegeben:<br />
p(Zi|P(Zi)) = p(Zi)<br />
Unter Inferenz in einem BBN wird das Schließen unter Zuhilfenahme von a priori Wissen über die<br />
Zustände einiger Knoten auf die Wahrscheinlichkeit eines Zustands eines anderen Knotens verstanden.<br />
Der gesuchte Knoten ist im Allgemeinen nicht direkt beobachtbar, über ihn liegt deshalb kein<br />
direktes Wissen vor. Es ist aber für eine Teilmenge der Knoten eines BBN der Wert der zugehörigen<br />
Zufallsvariable bekannt oder kann wenigstens mit einer Wahrscheinlichkeit (Likelihood) angegeben<br />
werden.<br />
i=1