Réseaux bayésiens avec plusieurs couches

Question

Donc j'essaie de résoudre un problème avec le réseau bayésien. Je connais les probabilités conditionnelles d'un événement, disons qu'il va pleuvoir. Supposons que je mesure des valeurs (booléennes) de chacun des quatre capteurs (A1 - A4). Je connais la probabilité de pluie et je connais la probabilité de pluie compte tenu des mesures sur chacun des capteurs.

Maintenant j'ajoute une nouvelle touche. A4 n'est plus disponible, mais B1 et B2 sont (ils sont aussi des capteurs booléens). Je connais les probabilités conditionnelles de B1 et B2 étant donné la mesure de A4. Comment intégrer ces probabilités dans mon réseau bayésien pour remplacer les données perdues de A4?

Answer 1

Votre problème s'adapte parfaitement aux réseaux multi-entités bayésiens (MEBN). Ceci est une extension de BN standard utilisant First Order Logic (FOL). Il permet essentiellement d'ajouter et/ou de supprimer des nœuds en fonction de la situation spécifique. Vous définissez un modèle pour créer BN à la volée, basé sur le knwoledge actuel disponible.

Plusieurs documents sont disponibles sur le Web. Une référence classique à ce travail est «Réseaux bayésiens multi-entités sans multi-larmes».

Nous avons implémenté MEBN dans UnBBayes. Vous pouvez en obtenir une copie en suivant les instructions @http://sourceforge.net/p/unbbayes/discussion/156015/thread/cb2e0887/. Un exemple peut être vu dans l'étude «Ontologie probabiliste et fusion des connaissances pour la détection des fraudes d'approvisionnement au Brésil» @http://link.springer.com/chapter/10.1007/978-3-642-35975-0_2.

Si cela vous intéresse, je peux vous donner plus de conseils plus tard.

Cheers, Rommel