quaker
DESCRIPTION
Quaker. A name given to members of the Religious Society of Friends in England when, in his defense, the leader of the Society said that the English judge would be the one to quake with fear before God on his Day of Judgment. Opdracht 0 - punten. Gemiddelde: 7,83 Standaardafwijking: 1,41. - PowerPoint PPT PresentationTRANSCRIPT
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Quaker
A name given to members of the Religious Society of Friends in England when, in his defense, the leader of the Society said that the English judge would be the one to quake with fear before God on his Day of Judgment.
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Opdracht 0 - punten
0
2
4
6
8
10
12
<5,5 6-6,5 7-7,5 8-8,5 9-9,5 >9,5
aantal
Gemiddelde: 7,83 Standaardafwijking: 1,41
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Voorstellen en redeneren over kennis: onzekerheid en vaagheid
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Tot nu toe
Eerste orde logica
Te zwak: niet-monotoon
redeneren
Te zwak: onzekerheid en vaagheid
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Waar komt de vaagheid voor?
Verder is het ook zeker, dat de meeste aanhalingen van Schriftuurlyke Spreekwyzen in den dagelykschen omgang laf en ongepast zyn. (De Denker, deel 1, 1763).
Graad van geloof:
Hoe zeker is zeker?
Statistiek:Wat zijn
“de meeste”?
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Drie soorten vaagheid
“Ik geloof dat p geldt voor alle x”
8x p(x)
Graad van geloof:
Hoe zeker is zeker?
Statistiek:Wat zijn
“de meeste”?
Vage predikaat:
Hoe ongepast?
Dat weten jullie al…
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
• “…meestal lezen de meeste studenten het boek dan heel slecht.” Magda Oude Stegge Intervjoe met de schrijver W. F. Hermans.
• Welke vormen van onzekerheid komen hier aan bod?
A. Graad van geloofB. StatistiekC. Vage predikaten
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Graad van geloof = waarschijnlijkheid
Graad van geloof:
Hoe zeker is zeker?
• CBS: 16% van de Nederlanders zijn rijk.
• In welke mate geloven we dat X rijk is? – P(X is rijk | X is een Nederlander) = 0.16 – a priori waarschijnlijkheid
• Nieuwe feit: X is tussen 18 en 25.– P(X is rijk | X is een Nederlander Æ X is tussen
18 en 25) = 0.10– a posteriori waarschijnlijkheid
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Ter herinnering: voorwaardelijke kans
• P(|) = P(Æ )/P()
• is onafhankelijk van als P(|) = P()– Kop/munt is onafhankelijk van de vorige uitslag– P(Æ) = P()*P()
• is afhankelijk van als P(|) P()– Rijkdom is afhankelijk van de leeftijd
Graad van geloof:
Hoe zeker is zeker?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Probleem
• is afhankelijk van n basisvariabelen die van mekaar afhankelijk zijn: 1, …, n
• Dus als over {a1,…, ak} en over {b1,…, bm} voor alle i: – P( ai|1 = bi1 Æ…Æn = bin
)
• k*nm voorwaardelijke kansen!• Kortschrift: als over {true, false}
– betekent = true– : betekent = false
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Niet alles is afhankelijk van alles!
0
1
2
3
4
P(0|1)
P(0|:1)
P(1|3Æ 4)
P(1|:3Æ 4)
P(1|3Æ :4)
P(1|:3Æ :4)
P(2|3)
P(2|:3)
P(3)
P(4)
Gerichte acyclische graaf:
knopen: variabelen
kanten: (i,j) als en slechts als j afhankelijk is van i.
Aanname:
P(i|1Æ …Æ n) = P(i|parents(i))
Voorwaardelijke kansverdeling (VKV)
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Thomas Bayes
• 1702 (Londen) -1761 (Kent)• Presbyteriaans predikant• Wiskundige• Stelling van Bayes:
– P(|) = P(|)P()/P()– gepubliceerd door Laplace– geïnspireerd door een
postuum paper van B.(1763)
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Bayesiaans geloofsnetwerk
P(i|1Æ …Æ n) = P(i|parents(i))
Dus
P(1Æ …Æ n) = ni=1P(i|parents(i))
P(1Æ 2) = P(1Æ 2Æ *3Æ …Æ *
n)
waar *i betekent of i of : i
en is op alle mogelijke combinaties
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Voorbeeld
P(regen|bewolkt) = 0.8P(regen|:bewolkt) = 0.2Bewolkt
Regen
SprinklerGras is nat
P(bewolkt) = 0.5
P(sprinkler|bewolkt) = 0.1P(sprinkler|:bewolkt) = 0.5
P(gras|sprinklerÆ regen) = 0.99P(gras|sprinklerÆ :regen) = 0.9P(gras|:sprinklerÆ regen) = 0.9P(gras|:sprinklerÆ :regen) = 0.0
De gras is nat. Wat is de kans dat de sprinkler aan was?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
• P(s|g) = P(sÆg)/P(g)• P(sÆg) =
P(bÆsÆrÆg) +
P(:bÆsÆrÆg) +
P(bÆsÆ:rÆg) +
P(:bÆsÆ:rÆg)
P(b)P(s|b)P(r|b)P(g|s,r) = 0.5*0.1*0.8*0.99 = 0.0396
P(:b)P(s|:b)P(r|:b)P(g|s,r) = 0.5*0.5*0.2*0.99 = 0.0495
P(b)P(s|b)P(:r|b)P(g|s,:r) = 0.5*0.1*0.2*0.9 = 0.009
P(:b)P(s|:b)P(:r|:b)P(g|s,:r) = 0.5*0.5*0.8*0.9 = 0.18
= 0.2781
brs
g
P(b) = 0.5P(s|b) = 0.1P(s|:b) = 0.5
P(g|sÆ r) = 0.99P(g|sÆ :r) = 0.9P(g|:sÆ r) = 0.9P(g|:sÆ :r) = 0.0
P(r|b) = 0.8P(r|:b) = 0.2
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
brs
g
P(b) = 0.5P(s|b) = 0.1P(s|:b) = 0.5
P(g|sÆ r) = 0.99P(g|sÆ :r) = 0.9P(g|:sÆ r) = 0.9P(g|:sÆ :r) = 0.0
P(r|b) = 0.8P(r|:b) = 0.2Nog steeds: als n
redenen mogelijk zijn moeten we 2n situaties bespreken!
Het kan handig zijn als P(|*1Æ …Æ *
n) af te leiden wil van P(|*
1), …, P(|*n)…
• Niet altijd mogelijk maar handig!
Probleem
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Huiswerk 7
• Combinatieregel F – P(|*
1Æ …Æ *n) = F(P(|
1), …, P(|n))
• Deterministische combinatieregels:– logische Ç, Æ, :– numerieke: min, max, avg.
• “Noisy-OR”• Maak een overzicht van verschillende
combinatieregels.• Deadline: 1 mei 2007.
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Hoofdpijndiagnose
• http://www.symptomedix.com/cgi-bin/diagnose.cgi
• Met dank aan Rom, Coen, Paul en Diana
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
• P(|1Æ …Æ
n) = 1 - (1 – p0)i(1 – P(|i))i.
– p0 – kans dat gegeven geen enkel van i’s
– i: i = 1, :i = 0
• P(|1) = 0.6
• P(|2) = 0.7
• p0 = 0.001
• Bereken P(|1Æ 2) = 0.8812
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Tot nu toe
brs
g
P(b) = 0.5P(s|b) = 0.1P(s|: b) = 0.5
P(g|sÆr) = 0.99P(g|sÆ: r) = 0.9P(g|: sÆr) = 0.9P(g|: sÆ: r) = 0.0
P(r|b) = 0.8P(r|: b) = 0.2
brs
g
P(b) = 0.5P(s|b) = 0.1P(s|: b) = 0.5
P(g|sÆr) = 0.99P(g|sÆ: r) = 0.9P(g|: sÆr) = 0.9P(g|: sÆ: r) = 0.0
P(r|b) = 0.8P(r|: b) = 0.2
Kersting, De Raedt 2000
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Bayesiaans logisch programmeren
• Clausule overval(X) | wijk(X) betekent…
overval wijk
true = 0.3 goed
false = 0.7 goed
true = 0.4 middelmatig
false = 0.6 middelmatig
true = 0.6 slecht
false = 0.4 slecht
² ´ `
Als Jaap in een goede wijk woont: wijk(jaap) = goed dan is de kans op overval 0.3.
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
AB, A, B, 0 ² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Bloed
vader moeder
vaderlijk chromosoom
moederlijk chromosoom
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Bloed
• bloedtype(X) | mc(X), pc(X)• mc(X) | moeder(Y,X), mc(Y), pc(Y)• pc(X) | vader(Y,X), mc(Y), pc(Y)• moeder(beatrix,willem-alexander)• vader(klaus, willem-alexander)• mc(beatrix).• pc(beatrix).• mc(klaus).• pc(klaus).
bt(wa) mc(wa) pc(wa)
a = 0.97 a a
mc(wa) mc(bx) pc(bx)
a = 0.98 a a
… … …
mc(beatrix)
0 = 0.45
…
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Goed gedefinieerde BLPs
• Goed gedefinieerd:– Ieder atoom is afhankelijk van eindig veel
andere atomen– Afhankelijkheidsgraaf van atomen is acyclisch
• Stelling: P is goed gedefinieerd) de kansverdeling is uniek
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
• bloedtype(X) | mc(X), pc(X)• mc(X) | moeder(Y,X), mc(Y), pc(Y)• pc(X) | vader(Y,X), mc(Y), pc(Y)• moeder(beatrix,willem-alexander)• vader(klaus, willem-alexander)• mc(beatrix).• pc(beatrix).• mc(klaus).• pc(klaus).
bt(wa) mc(wa) pc(wa)
a = 0.97 a a
mc(wa) mc(bx) pc(bx)
a = 0.98 a a
… … …
mc(beatrix)
0 = 0.45
…
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Rekenen met BLPs
• “Luiaardprincipe”
• Goed gedefinieerde BLP ) Bayesiaans geloofsnetwerk (zgn. het ondersteunende netwerk) ) rekenen
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Berekenen van het ondersteunende netwerk:
1) Resolutiebloedtype(wa)
mc(wa), pc(wa)
moeder(wa,bx), mc(bx), pc(bx), pc(wa)
mc(bx), pc(bx), pc(wa)
pc(bx), pc(wa)
pc(wa)
vader(wa,kl), mc(kl), pc(kl)
mc(kl), pc(kl)
pc(kl)
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Berekenen van het ondersteunende netwerk:
2)Verzamel alle gesloten atomen
bloedtype(wa)
mc(wa)
pc(wa)
pc(beatrix)mc(beatrix)moeder(wa,beatrix)
vader(wa,klaus)
mc(klaus)
pc(klaus)
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Berekenen van het ondersteunende netwerk:
3) Voeg de VKVs toe
bloedtype(wa)
mc(wa)
pc(wa)
pc(beatrix)mc(beatrix)moeder(wa,beatrix)
vader(wa,klaus)
mc(klaus)
pc(klaus)
bt(wa) mc(wa) pc(wa)
a = 0.97 a a
mc(wa) mc(bx) pc(bx)
a = 0.98 a a
pc(wa) mc(kl) pc(kl)
a = 0.98 a a
mc(bx)
0 = 0.45
pc(bx)
0 = 0.45
mc(kl)
0 = 0.45
pc(kl)
0 = 0.45
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
weer(0)
zonnig = 0.5
regenachtig = 0.5
weer(volgend(volgend(Tijdstip))) weer(volgend(Tijdstip)) weer(Tijdstip)
zonnig = 0.9 regenachtig = 0.1 zonnig zonnig
zonnig = 0.4 regenachtig = 0.6 regenachtig zonnig
zonnig = 0.4 regenachtig = 0.6 zonnig regenachtig
zonnig = 0.2 regenachtig = 0.8 regenachtig regenachtig
• Dweer = {zonnig, regenachtig}
• weer(0). weer(volgend(0)).• weer(volgend(volgend(Tijdstip))) |
weer(Tijdstip), weer(volgend(Tijdstip))
• Hoeveel kanten heeft het ondersteunende netwerk voor weer(volgend4(Tijdstip))?
weer(volgend(0))
zonnig = 0.5
regenachtig = 0.5
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
weer(0)
weer(volgend(0))
weer(volgend(volgend(0))
weer(volgend4(0))
weer(volgend3(0))
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Meerdere regels?
• Maak extra knoppen voor de regels en
• Gebruik de combinatieregels!
p(a)
q(a), r(b) s(a,b),t(c)
p(X):- q(X), r(Y).
p(X):- s(X,Y), t(Z).
q(a) r(b) s(a,b) t(c)
p(X):-q(X), r(Y)
p(a)
p(X):-s(X,Y), t(Z)
combinatieregel
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Bayesiaans netwerk als Bayesiaans logisch
programma
• Knop = predikaat zonder argumenten
• Kant = clausule– VKV = VKV– Twee afhankelijke redenen: conjunctie– Twee onafhankelijke redenen: combinatie
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
P(regen|bewolkt) = 0.8P(regen|:bewolkt) = 0.2
Bewolkt
Regen
Sprinkler Gras is nat
P(bewolkt) = 0.5
P(sprinkler|bewolkt) = 0.1P(sprinkler|:bewolkt) = 0.5
P(gras|sprinklerÆ regen) = 0.99P(gras|sprinklerÆ :regen) = 0.9P(gras|:sprinklerÆ regen) = 0.9P(gras|:sprinklerÆ :regen) = 0.0
Hoeveel clausules telt het Bayesiaanse logische programma voor dit netwerk?
A. 2 B. 3 C. 4 D. 5
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Logisch programma als Bayesiaans logisch
programma• Voor alle predikaten: domein = {true, false}• VKV: A | A1, …, An
• Combinatieregel: max (of or)
pred(A) pred(A1) … pred(An)
true = 1.0 true … true
false = 1.0 false … true
… ... … …
false = 1.0 false … false
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Bayesiaans logisch programmeren: voor- en
nadelen
• Verenigend raamwerk voor twee vormen van redeneren:– probabilistisch (bayesiaanse geloofsnetwerken)– logisch (logisch programmeren)
• Kan gebruikt worden voor het machinaal leren
² ´ `
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Profile/Balios
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Huiswerk 8
• Balios – onderdeel van Profile-suite
• Bespreek Balios– uitdrukkingskracht vs. efficiëntie – bijkomende eigenschappen – sterke en zwakke punten
• Deadline: 1 mei 2007.
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Drie soorten vaagheid
“Ik geloof dat p geldt voor alle x”
8x p(x)
Graad van geloof:
Hoe zeker is zeker?
Statistiek:Wat zijn
“de meeste”?
Vage predikaat:
Hoe ongepast?
Dat weten jullie al…
Dat hebben we net
besproken…
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Vage predikaten
• “…meestal lezen de meeste studenten het boek dan heel slecht.” Magda Oude Stegge Intervjoe met de schrijver W. F. Hermans
• “Een boeiend, maar vrij zwak debuut” S. Vestdijk in “Over Conserve. De eerste roman van W. F. Hermans”
• “De fantasiemachine is dan ook nogal sexueel geladen.” Wilbert Smulders “Succesvolle mislukkingsmachines: Het thema ‘machine’ in het werk van W.F. Hermans”
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Vage predikaten
• Geen kansen!
binnen nog binnen nog buiten buiten
binnen = 1
binnen = 0,8
binnen = 0,5 binnen = 0,2 binnen = 0,0
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Vage predikaten
• Meeting: hoogte, onthoudingspercentage, …
• Functie van een meeting naar een graad [0,1] van het predikaat
0
0,2
0,4
0,6
0,8
1
150cm 160cm 170cm 180cm 190cm 200cm 210cm
Klein
Groot
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Vage predikaten
• Jan, 180 cm, is dus– Klein [0.2]– Groot [0.7]
0
0,2
0,4
0,6
0,8
1
150cm 160cm 170cm 180cm 190cm 200cm 210cm
Klein
Groot
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
• “Heel P”(x) = P(x)2
– Jan is klein: 0.2– Jan is heel klein: 0.04
• “Min of meer P”(x) = √P(x)– Jan is min of meer klein: 0.447
• “Niet P”(x) = 1 – P(x)– Jan is niet klein: 0.8
Heel, min of meer, …Vage
predikaat:Hoe
ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
• Piet is minder gelukkig dan niet min of meer gelukkig.
• Riet is meer gelukkig dan niet heel gelukkig.
Wie is gelukkiger Piet of Riet?A. PietB. RietC. Niet voldoende gegevens
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Johnbig = 0.7
strong = 0.8
Billbig = 0.9
strong = 0.7
Leebig = 0.8
strong = 0.9
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Conjuncties en disjuncties
• Graad van P Æ Q = min(graad van P, graad van Q)
• Graad van P Ç Q = max(graad van P, graad van Q) John
big = 0.7strong = 0.8
Billbig = 0.9
strong = 0.7
Leebig = 0.8
strong = 0.9
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Rekenen met vaagheidVage
predikaat:Hoe
ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Bediening
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
slecht
uitstekend
slecht = 0.6
uitstekend = 0
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Eten
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
stinkt
lekker
stinkt = 0
lekker = 0.8
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Regel 1
• slecht (0.6); stinkt (0.0) ) disjunctie (0.6)
00,10,20,30,40,50,60,70,80,9
1
0 2,5 5 7,5 10
krenterig
Snij af op 0.6!
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Regel 2
• uitstekend (0.0); lekker (0.8) ) disjunctie (0.8)
00,10,20,30,40,50,60,70,80,9
1
0 2,5 5 7,5 10
genereus
Snij af op 0.8!
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Twee regels te samen
• Vind het centrum van het gebied onder het graaf– In ons geval x0 = 5,7.
– Dus, 5,7% fooi!
00,10,20,30,40,50,60,70,80,9
1
krenterigafgesneden
genereusafgesneden
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Wat hebben we gedaan?
1. De graden berekend van a) De vage predikaten.
b) De lichamen van de regels.
c) De hoofden van de regels (afsnijden).
2. Alle grafen samengebracht.
3. Een antwoord gepreciseerd.
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
slecht
uitstekend
slecht (0.6); stinkt (0.0) ) disjunctie (0.6)
00,10,20,30,40,50,60,70,80,9
1
krenterigafgesneden
genereusafgesneden
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Andere mogelijkheden…
• Andere combinatieregels dan min/max voor conjuncties en disjuncties.
• Andere manier om de graden van het hoofd te berekenen.
00,10,20,30,40,50,60,70,80,9
1
0 2,5 5 7,5 10
00,10,20,30,40,50,60,70,80,9
1
0 2,5 5 7,5 100
0,10,20,30,40,50,60,70,80,9
1
0 2,5 5 7,5 10
Afsnijd
enVerkleinen
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Huiswerk 9
• Bespreek ten minste – een andere combinatieregel en – een andere manier om de graden van het
hoofd te berekenen.
• Deadline: 1 mei 2007.
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
• Een mens is gelukkig als hij gezond is en goed verdient.• goede_loon(X) = (X – 1300) / 1000.
– X – netto loon per maand, tussen 1300 en 2300.– Als het loon < 1300 dan is die goed [0.0]– Als het loon > 2300 dan is die goed [1.0]
• goede_gezondheid = (5 – X)/5.– X – percentage van maandelijkse inkomsten uitgegeven voor
de gezondheidszorg– Als X > 5 is, is gezondheid goed [0.0]
• Jan. Loon 1900 euro, gezondheidsuitgaven: 2,3%• Om gelukkiger te worden moet Jan
A. aan zijn carrière werken (loon verhogen), ofB. aan zijn gezondheid werken (uitgaven verlagen)?
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Vage predikaten - herbekeken
• Jan, 180 cm, is dus– Klein [0.2]– Groot [0.7]
0
0,2
0,4
0,6
0,8
1
150cm 160cm 170cm 180cm 190cm 200cm 210cm
Klein
Groot
• P(klein(Jan)|lengte(Jan) = 180 cm) = 0.2• P(groot(Jan)|lengte(Jan) = 180 cm) = 0.7
Vage predikaat:
Hoe ongepast?
Vage predicaten Bayesiaans logisch programmeren
GeloofsnetwerkenGraad van geloof
Drie soorten onzekerheid
Wat hebben we gedaan?
• Drie soorten onzekerheid:– Graad van geloof, statistiek, vaagheid
• Graad van geloof:– Bayesiaanse geloofsnetwerken,– Bayesiaanse logische programma’s
• Statistiek: kennen jullie al• Vaagheid:
– Vage predicaten en regels
Vage predikaat:
Hoe ongepast?
Graad van geloof:
Hoe zeker is zeker?