= P( g) = P( e, f, g, h) e, f, h Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS = ∑ e, f, h = = = ∑ e, f, h ∑ e, f, h ∑ f, h 50 / 99 tilan. Termiä α voidaan laskea aivan lopuksi; lausekkeen käyttöä havainnollistetaan seuraavaksi. Esimerkki: Kalalajin päätteleminen <strong>Bayesin</strong> verkon avulla Kuvatkoon alla esitetty kaavio käytettävää <strong>Bayesin</strong> verkkoa: Seuraavat taulukot kuvaavat asiantuntijan asettamia todennäköisyyksiä: ∑ ∑ P( e)P ( f, g, h e) e, f, h P( e)P f e P( e)P f e ( )P( g, h e, f) ( )P( g e, f)P( h e, f, g) P( e)P ( f e)P g e P( h f, g) ∑ e ( )P( h f, g) P( e)P ( f e)P ( g e)
a 1 = talvi a 2 = kevät a 3 = kesä a 4 = syksy c 1 = kirkas c 2 = keskink. c 3 = tumma P(a) P(b) A aika B paikka P(x a) P(x b) X laji P(c x) P(d x) C kirkkaus P(a i ) 0,25 0,25 0,25 0,25 P(b i) 0,6 0,4 P(c i|x 1) 0,6 0,2 0,2 P(c i |x 2 ) 0,2 0,3 0,5 P(d i |x 1 ) 0,3 0,7 P(d i |x 2 ) 0,6 0,4 D pituus Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS b 1 = Pohjois-Atlantti b 2 = Etelä-Atlantti x 1 = lohi x 2 = meriahven d 1 = pitkä d 2 = lyhyt i,j P(x 1|a i,b j) P(x 2|a i,b j) 1,1 0,5 0,5 1,2 0,7 0,3 2,1 0,6 0,4 2,2 0,8 0,2 3,1 0,4 0,6 3,2 0,1 0,9 4,1 0,2 0,8 4,2 0,3 0,7 51 / 99 Käytetään nyt esiteltyä <strong>Bayesin</strong> verkkoa päättelemään kalalaji. (Päätelmiä voitaisiin tehdä mistä tahansa muustakin verkon muuttujasta.) Kirjoitetaan ensin verkon
- Page 1 and 2: 2. Bayesin päätösteoria 2.1. Joh
- Page 3 and 4: Oulun yliopisto, Hahmontunnistus ja
- Page 5 and 6: 2.2. Bayesin päätösteoria - jatk
- Page 7 and 8: Oulun yliopisto, Hahmontunnistus ja
- Page 9 and 10: Oulun yliopisto, Hahmontunnistus ja
- Page 11 and 12: 2.4. Normaalijakauma Oulun yliopist
- Page 13 and 14: Oulun yliopisto, Hahmontunnistus ja
- Page 15 and 16: 2.5. Diskriminanttifunktioita norma
- Page 17 and 18: Oulun yliopisto, Hahmontunnistus ja
- Page 19 and 20: Mikäli prioritodennäköisyydet ov
- Page 21 and 22: Vastaavalla tavalla kuin edellisess
- Page 23 and 24: Oulun yliopisto, Hahmontunnistus ja
- Page 25 and 26: Allaolevassa kuvassa pyritään ero
- Page 27 and 28: Oulun yliopisto, Hahmontunnistus ja
- Page 29 and 30: Oulun yliopisto, Hahmontunnistus ja
- Page 31 and 32: Kuvasta tehdään tärkeä havainto
- Page 33 and 34: Oulun yliopisto, Hahmontunnistus ja
- Page 35 and 36: 3) Vakiotermien siirtäminen summal
- Page 37: = = ∑ P( h) = P( e, f, g, h) e, f
- Page 41: saadaan, että α=1/0,18 , P(x 1|c