35 lines
974 B
Plaintext
35 lines
974 B
Plaintext
作业二：实现贝叶斯网络近似推理算法
|
||
（一）问题描述
|
||
实现两种基本的近似推理算法——拒绝采样和似然加权，并在一个简单的
|
||
贝叶斯网络（PPT 示例）上进行应用和比较。
|
||
网络结构图:
|
||
C -> S
|
||
C -> R
|
||
S -> W
|
||
R -> W
|
||
变量解释:
|
||
C(Cloudy): 是否多云 (Boolean)
|
||
S(Sprinkler): 洒水器是否开启 (Boolean)
|
||
R(Rain): 是否下雨 (Boolean)
|
||
W(WetGrass): 草坪是否湿润 (Boolean)
|
||
条件概率表 (CPTs):
|
||
P(C=T) = 0.5
|
||
P(S | C):
|
||
P(S=T | C=T) = 0.10
|
||
P(S=T | C=F) = 0.50
|
||
P(R | C):
|
||
P(R=T | C=T) = 0.80
|
||
P(R=T | C=F) = 0.20
|
||
P(W | S, R):
|
||
P(W=T | S=T, R=T) = 0.99
|
||
P(W=T | S=T, R=F) = 0.90
|
||
P(W=T | S=F, R=T) = 0.90
|
||
P(W=T | S=F, R=F) = 0.00
|
||
|
||
(二) 任务要求
|
||
实现拒绝采样算法和似然加权算法，算法需要能够估计条件概率 P(X | e)，
|
||
其中 X 是查询变量，e 是证据。使用你实现的两种算法估计 P(R | S=T,
|
||
W=T)。
|
||
|
||
要求撰写实验报告，提供源程序。
|