artificial-intelligence - 子节点的贝叶斯网络概率

Question

根据以下贝叶斯网络确定概率。

在图 1 所示的网络上，假设:

P("alternator broken"=true) = 0.02
P("no charging"=true | "alternator broken"=true) = 0.95
P("no charging"=true | "alternator broken"=false) = 0.01.
What is P("no charging"=false)? How is it derived?

如果没有“风扇皮带损坏”的信息，您将如何确定“不充电”？ 以下情况是否属实: P("不充电"=false) = P("交流发电机损坏"=true) * P("未充电"=true | "交流发电机损坏"=true) + P("交流发电机损坏"= false) * P("不充电"=true | "交流发电机损坏"= false)

Answer 1

不可能

要计算给定 BN 的 P(“无充电”)，您缺少 风扇皮带损坏 的先验信息。 而且不充电的CPT未指定，因为不充电取决于风扇皮带损坏。

但你可能想要

利用您所掌握的信息，您能做的最好的事情就是忽略风扇皮带损坏。如果通过对风扇皮带损坏采取正确的期望来获得P(“正在充电”|“交流发电机损坏”)的值，则结果是正确的。如果后者为真，则意味着风扇皮带损坏已被消除(汇总)，并且其影响已纳入 CPT 中以进行“充电”。