Professional Documents
Culture Documents
Elvira II
Granada, 2003
NDICE
1.- Diagramas de Influencia
2.- Mtodos de evaluacin
3.- Clases disponibles
4.- Asimetras
5.- Aproximacin
6.- Simulacin
Granada, 2003
nodos de azar
determinsticos
nodos de decisin
nodos de valor
Granada, 2003
Granada, 2003
Ingreso
Edad
Tratamiento
Pes
o
condicionales: inciden sobre nodos de azar y sobre el(los) nodo(s)
de utilidad. Representan dependencia probabilstica (o funcional)
entre nodos (y no necesariamente causalidad)
CBrb
CHmgb
Enf1
Enf2
Dao
Peso
Edad
Granada, 2003
Cost
e
1
Cost
e
2
Cost
e
3
Cost
e
total
V1
V2
Distribuciones:
P(Coste 1|.....)
P(Coste 2|.....)
P(Coste 3|.....)
V3
D1
D2
Utilidad
V1 V2 V3 D1 D2
------------------------------------------100
v11 v21 v31 d11 d21
39
v11 v21 v31 d11 d22
..........................................................
45
Mtodos de evaluacin
evaluacin directa (Shachter, Shachter y Peot, Zhang y
Poole, Zhang et al, etc). Idea original: Olmsted (1983)
evaluacin indirecta : transforman previamente el DI en
alguna otra estructura : rboles de decisin, grafos de
decisin, redes bayesianas, ... (Howard y Matheson, Cooper,
Qi y Poole, Qi, etc)
mtodos aproximados: mediante simulacin (Shenoy, Bielza,
Ortiz, ...), mediante aproximaciones sucesivas (Horsch &
Poole), ...
Granada, 2003
v' v x
x
X
U
U(X)
U(A,B))
Granada, 2003
X
A
B
U
U(X, A, B)
C
A
B
U
U(A, B)
Sumidero
Granada, 2003
F
A
B
U
A
E
B
U
P(A|B, C, D, E, F)
P(B|C, D, E, F)
P(A|C, D)
P(B|A, E, F)
P ( A | B, C , D, E , F )
P ( B | C , D, E , F )
P ( A | C , D ) P ( B | A, E , F )
P ( B | C , D, E , F )
P ( A | C , D ) P ( B | A, E , F )
xii
Granada, 2003
Resultados:
tablas de decisin (poltica ptima)
distribuciones a poteriori de todas las variables
antes de eliminarlas (recogen la incertidumbre
actualizada sobre las variables; interesante en
tareas de diagnstico)
Inconveniente:
elevado coste computacional
Granada, 2003
I 0 D1 I1 ... Dn I n
In: los nodos que no son antecesores de ningn
nodo de decisin
In-1: nodos antecesores de Dn
.......................................................
I0: nodos antecesores de D1
Granada, 2003
X { | X dom }
X { | X dom }
Si X es una variable de azar:
X X
X
X X ( X )
X
Granada, 2003
X maxX X
X maxX X ( X )
El conjunto final de potenciales, tras la eliminacin de
X queda:
{ \ X } { X }
X
{ \ X }
Granada, 2003
Resultados:
tablas de decisin (poltica ptima)
no obtiene las distribuciones a posteriori de las
variables a eliminar
Ventaja:
mucho menor coste computacional
Granada, 2003
C) Mtodos aproximados
Objetivo: evaluar problemas muy complejos, las
tablas de decisin incluyen muchas variables
(explosin combinatoria)
Simulacin:
-
instanciar
variables,
reduccin
complejidad del problema (casos)
de
la
solucin
Granada, 2003
Bnet
IDiagram
e) numberOfDecisions
f) decisionReadyToRemove
g) firstDecision
h) getDecisionList
i) getBarrenNode
j) getValueNode
k) getNode
l) getProblemSize
Granada, 2003
Mtodos
m) addNonForgettingArcs
n) eliminateRedundancy
) removeBarrenNodes
o) addLinks
p) copy
q) qualitativeCopy
r) evaluate (mediante ArcReversal)
s) save
t) print
Granada, 2003
- Constructores:
a) ArcReversal()
b) ArcReversal(IDiagram)
Propagation
ArcReversal
Mtodos
c) getInitialRelations
d) initialConditions
- Evaluacin y manipulacin del DI
IDiagram
RelationList
e) evaluateDiagram
f) removeChanceNode
g) removeDecisionNode
h) reverseArc
i) modifyUtilityRelation
j) modifyUtilityLinks
Granada, 2003
Granada, 2003
- Constructores:
Propagation
a) QualitativeArcReversal(IDiagram)
- Acceso a datos miembro
ArcReversal
Mtodos
b) getOrderOfElimination
c) getOrderOfInstantiation
- Evaluacin y manipulacin del DI
QualitativeArcReversal
d) produceOrderOfInstantiation
e) evaluateDiagram
f) removeChanceNode
g) removeDecisionNode
h) reverseArc
Granada, 2003
Propagation
- Constructores:
a) ARWithPotentialTree(IDiagram)
ArcReversal
Mtodos
ARWithPotentialTree
- Transformacin de relaciones
b) transformInitialRelations: Este mtodo
convierte los valores de utilidades y
de PotentialTable a PotentialTree (con
la posibilidad de aplicar los mtodos
de rboles que permiten aproximar)
Granada, 2003
Propagation
VariableElimination
a) getPosteriorDistributionsID
b) combinePotentialsOfNode
c) propagate
Incorporacin de mtodo nextToRemoveId en
la clase PairTable, que determina la prxima
variable a eliminar.
Este mtodo de evaluacin no altera la estructura
del diagrama: trabaja con sus potenciales, sobre
una copia de las relaciones.
Granada, 2003
Propagation
Mtodos
VariableElimination
- Transformacin de relaciones
b) transformInitialRelations: Este mtodo
convierte los valores de utilidades y
de PotentialTable a PotentialTree (con
la posibilidad de aplicar los mtodos
de rboles que permiten aproximar)
VEWithPotentialTree
Granada, 2003
4.- Asimetras
Para ciertos valores de algunas variables, los posibles
valores de otra variable estn restringidos.
Esta
informacin cualitativa se puede representar como una
matriz de restricciones (definida sobre las variables
afectadas).
x1
y1
1
X x2
y2 y1
0
y2
1
Y1 Y2 ....... Yn
------------------------------------------X1
1 0 ....... 0
X2
1 1 ....... 0
..........................................................
Xm
....... 1
4. Asimetras (II)
Granada, 2003
4. Asimetras (III)
RTest2
Test1
Test2
Compra
Valor
Granada, 2003
4. Asimetras (IV)
NoTest
mal
Frenos
bien
Frenos
mal
Electric.
bien
Electric.
mal
Sin resul.
0 defectos
0.9
0.4
0.8
0.13
1 defecto
0.1
0.6
0.2
0.53
2 defectos
0.33
Granada, 2003
4. Asimetras (V)
Procedimiento:
1) extraer del experto la informacin cualitativa
2) reducir con ella el nmero de parmetros a
obtener
3) al usar rboles, aplicar poda para reducir el
nmero de valores a almacenar. En el ejemplo
anterior, se podra hacer que las ramas asociadas
a Test1 = no Test (correspondientes a los dos
posibles valores de Condiciones), se podran unir
en 1 (son idnticas)
4) mantener estas dos informaciones supone cierta
redundancia
Granada, 2003
4. Asimetras (VI)
4. Asimetras (VII)
Condiciones
RTest1
RTest2
Test1
Test2
Compra
Valor
4. Asimetras (VIII)
Sobre este potencial s que habra que aplicar la restriccin. En este
caso no hay redundancia alguna.
d)
a1
a2
b1
0.3
0.9
b2
0.7
0.1
b1
b2
c1
0.4
0.55
c2
0.6
0.45
Granada, 2003
4. Asimetras (IX)
Al eliminar la variable B, se han de combinar los potenciales en que
esta variable participa: P(B | A) y P(C | B). Sobre este potencial
resulta aplicable la restriccin
b1
a1
C
c1
c2
0.18
0.12
0.3
a2
C
c1
0.36
b2
a1
c2 c1
0.54
a2
C
c2
0.31
0.39
c1
c2
0.055
0.045
0.7
Granada, 2003
4. Asimetras (X)
b1
a1
C
c1
0
c2
?
a2
C
c1
0.36
b2
A
a1
C
c2 c1
0.54
a2
C
c1
c2
0
c2
0.055
0.045
Granada, 2003
4. Asimetras (XI)
Node
Vector
xi {x1 ,..., xk }
Se puede establecer un flag de negacin, de forma que la
comprobacin a realizar sera:
( xi {x1 ,..., xk })
Granada, 2003
4. Asimetras (XII)
Datos miembro:
a) Node node
b) Vector values
c) boolean negated
Mtodos:
a) Constructor (Node, Vector, boolean)
b) checkValue (String)
Granada, 2003
4. Asimetras (XIII)
B) LogicalNode
LogicalNode
ValuesSet
Vector
Datos miembro:
a) int kind (si el nodo es operador u operando)
b) int operator (clase de operador: AND, OR, NOT, etc)
c) boolean negated
d) LogicalNode leftOperand
e) LogicalNode rightOperand
f) ValuesSet valuesSet
g) Vector variables
LogicalNode
h) Vector index
(operator)
i) boolean result
j) int observedValue
LogicalNode
(operand)
LogicalNode
(operand)
Granada, 2003
4. Asimetras (XIV)
Mtodos:
a)
b)
c)
d)
La idea es que esta clase permita crear objetos que representen relaciones
lgicas entre variables, para expresar las relaciones que se pueden establecer
entre las variables del modelo. Por encima de esta clase est LogicalExpression,
que vincula dos relaciones lgicas en el esquema clsico
antecedente consecuente
El antecedente y el consecuente son objetos de la clase LogicalNode
Granada, 2003
4. Asimetras (XV)
C) LogicalExpression
Datos miembro:
Potential
LogicalExpression
a) LogicalNode consecuent
b) LogicalNode antecedent
c) int operator
d) Vector index
e) PotentialTable result
LogicalExpression
(operator)
LogicalNode
Vector
PotentialTable
LogicalNode
(antecedent)
LogicalNode
(consecuent)
Granada, 2003
4. Asimetras (XVI)
Mtodos:
a)
b)
c)
d)
Granada, 2003
4. Asimetras (XVII)
Granada, 2003
4. Asimetras (XVIII)
D) Clase ARWPTAndConstraints
Propagation
- Constructores:
a) ARWPTAndConstraints(IDiagram)
ArcReversal
Mtodos
ARWPTAndConstraints
- Transformacin de relaciones
b) transformInitialRelations: Este mtodo
convierte los valores de utilidades y
de PotentialTable a PotentialTree (se
aplican las restricciones. Poda)
b) transformAfterOperation: Ve si es
necesario aplicar restricciones sobre
un potencial sobre el que se operado
(Poda)
Granada, 2003
4. Asimetras (XIX)
D) Clase VEWPTAndConstraints
Propagation
- Constructores:
a) VEWPTAndConstraints(IDiagram)
VariableElimination
VEWPTAndConstraints
- Transformacin de relaciones
b) transformInitialRelations: Este mtodo
convierte los valores de utilidades y
de PotentialTable a PotentialTree (se
aplican las restricciones. Poda)
b) transformAfterOperation: Ve si es
necesario aplicar restricciones sobre
un potencial sobre el que se operado
(Poda)
Granada, 2003
5.- Aproximacin
En problemas complejos, pese a aprovechar todo el
conocimiento
del
problema,
los
potenciales
obtenidos pueden
ser
enormes.
En
esta
situacin se puede aprovechar el uso de rboles
reduciendo el nmero de hojas mediante
aproximacin.
La idea consiste en organizar el rbol, de forma que
las variables ms significativas aparezcan cerca
de la raz del rbol; la realizacin de una poda debe
suponer la menor prdida posible de informacin
Granada, 2003
5. Aproximacin (II)
rboles de probabilidad:
medida de significacin: distancia de Kullback-Leibler
rboles de utilidad:
medida de significacin?: mtrica L2 (raz
cuadrada de las diferencias al cuadrado entre las
utilidades de las configuraciones en los rboles
podado y expandido)
x1 X x2
y1
100
y2 y1
35
x1 X x2
675
y2
53
y1 Y y2
545
66
97
Granada, 2003
5. Aproximacin (III)
x1 X x2
y1
100
y2 y1
35
x1 X x2
675
y2
53
97
y1 Y y 2
545
66
Granada, 2003
5. Aproximacin (IV)
x1 X x2
y1
100
y2 y1
97
x1 X x2
985
y2
63
y1
9
y2
63
Granada, 2003
5. Aproximacin (V)
Granada, 2003
6.- Simulacin
En desarrollo. Idea: abordar problemas muy complejos.
Se obtendr una poltica (no ptima), especialmente
relacionada con las situaciones ms usuales.
Granada, 2003