Graph models with multiple Bayesian networks

• Autorzy: Shayakhmetova Assem

Identyfikatory

DOI

10.15199/48.2020.12.55

Warianty tytułu

PL

Grafy z wieloma sieciami bayesowskimi

• Języki publikacji: EN

Abstrakty

EN

This paper is devoted to some issues of using multiple Bayesian networks in the various applied problems. Sometimes we deal with applied problems that are difficult to describe with a model that is represented by only one Bayesian network. At the same time, the considered problem may contain blocks with various types of uncertainties that can be well described by multiple Bayesian networks. Even if the problem can be described by only one Bayesian network, the size of this network could be so large that it will be impossible to find the solution with the help of existing software products. In this case, it is better to decompose in some way this large Bayesian network into several smaller ones. However, existing software products are poorly adapted to work with several Bayesian networks simultaneously. In this project, we develop and describe a software product that allows us to work with several Bayesian networks simultaneously.

PL

Artykuł ten jest poświęcony niektórym zagadnieniom związanym z wykorzystaniem szeregu sieci bayesowskich w różnych obszarach zastosowań. Czasami mamy do czynienia z zagadnieniami stosowanymi, które są trudne do opisania za pomocą modelu, który jest reprezentowany przez pojedynczą sieć Bayesa. Jednocześnie, rozważany problem może zawierać bloki z różnymi rodzajami niepewności, które mogą być dobrze opisane przez wiele sieci Bayesa. Nawet jeśli problem może być opisany tylko przez jedną sieć Bayesa, rozmiar tej sieci może być tak duży, że niemożliwe będzie znalezienie rozwiązania przy pomocy istniejącego oprogramowania. W tym przypadku lepiej jest rozłożyć w jakiś sposób tę dużą sieć na kilka mniejszych. Istniejące oprogramowanie jest jednak słabo przystosowane do pracy z kilkoma sieciami jednocześnie. W tym celu opracowaliśmy i opisaliśmy oprogramowanie, które pozwala nam na pracę z kilkoma sieciami Bayesa jednocześnie.

Słowa kluczowe

EN

Bayesian networks; graph models; uncertainties; machine learning

PL

sieci bayesowskie; modele wykresów; niepewności; uczenie maszynowe

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2020
• Tom: R. 96, nr 12
• Strony: 252--255
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Shayakhmetova Assem

• Institute of Information and Computational Technologies CS MES RK, 125 Pushkin St, 050000 Almaty, Kazakhstan

Bibliografia

• [1] Gmurman V.E. Probability Theory and Mathematical Statistics: Manual – Мoscow. (2003), 479.
• [2] Kolmogorov A.N. Basic Concepts of Probability Theory: Manual. – Moscow: Science, (1974), 412 p. (in Rus).
• [3] Karpov D.V., Graph theory, (not edited) https://logic.pdmi.ras.ru/~dvk/graphs_dk.pdf (in Rus)
• [4] Ore O. Graph theory. Мoscow: Science. (1980), (in Rus)
• [5] Kharari Ph. Graph theory. Мoscow: Mir. (1973), 300. (in Rus)
• [6] Jensen F.V., Nielsen T.D. Bayesian Networks and Decision Graphs. Springer. (2007).
• [7] Barber D., Bayesian Reasoning and Machine Learning. (2017), http://web4.cs.ucl.ac.uk/staff/D.Barber/textbook/020217.pdf
• [8] Neapolitan R.E. Learning Bayesian Networks, Pearson Prentice Hall (2004). http://www.cs.technion.ac.il/~dang/books/ Learning%20Bayesian%20Networks(Neapolitan,%20Richard). pdf.
• [9] Litvinenko A., Litvinenko N., Mamyrbayev O., Shayakhmetova A., Generations in Bayesian Networks, Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 9 (2019), no 3, 10-13. https://doi.org/10.35784/iapgos.228
• [10] Litvinenko A., Mamyrbayev O., Litvinenko N., Shayakhmetova A. Application of bayesian networks for estimation of individual psychological characteristics. Przeglad Elektrotechniczny, 95 (2019), no. 5, 92-97.
• [11] Litvinenko N., Litvinenko A., Mamyrbayev O., Shayakhmetova A. Work with Bayesian Networks in BAYESIALAB. Almaty: IPIC, (2018), 311 (in Rus). ISBN 978-601-332-206-3.
• [12] Litvinenko N., Litvinenko A., Mamyrbayev O., Shayakhmetova A. AgenaRisk. Work with Bayesian Networks. Almaty: IPIC, (2019), 236. (in Rus). ISBN 978-601-332-335-0.
• [13] Pearl J. How to Do with Probabilities what People Say You Can't, IEEE, North Holland. (1985), 6–12.
• [14] Pearl J. Probabilistic Reasoning in Intelligent Systems. San Francisco: Morgan Kaufmann Publishers. (1988), 552.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).