Mercurial > latex
changeset 59:564988e2790c
add examples
author | Markus Kaiser <markus.kaiser@in.tum.de> |
---|---|
date | Sun, 09 Dec 2012 00:55:42 +0100 |
parents | 861587bd5759 |
children | eec0c96f4dfd |
files | bayesian_networks/presentation.tex |
diffstat | 1 files changed, 176 insertions(+), 39 deletions(-) [+] |
line wrap: on
line diff
--- a/bayesian_networks/presentation.tex Sat Dec 08 21:41:32 2012 +0100 +++ b/bayesian_networks/presentation.tex Sun Dec 09 00:55:42 2012 +0100 @@ -15,6 +15,7 @@ \usepackage{xspace} % Abstand hinter Variablennamen \usepackage{fix-cm} \usepackage{tikz} +\usepackage{pgfplots} \usepackage{tabu} %\usepackage[square, sort, numbers, authoryear]{natbib} @@ -46,23 +47,19 @@ \item[]}{\end{list}} +\usetikzlibrary{calc} \usetikzlibrary{shapes.geometric} \pgfdeclarelayer{background} \pgfdeclarelayer{midground} \pgfsetlayers{background,midground,main} -\tikzstyle{edge} = [draw,thick,-] -\tikzstyle{tree edge} = [draw,very thick,->] -\tikzstyle{left edge} = [draw,thick,->, blue] -\tikzstyle{right edge} = [draw,thick,->, red] -\tikzstyle{back edge} = [draw,dashed,arrows={-latex}] -\tikzstyle{selected edge} = [draw,line width=5pt,-,red!50] - +\tikzstyle{edge} = [draw,very thick,->,>=latex] \tikzstyle{net node} = [ellipse, draw, thick, fill=tumblue!20, - minimum width=6em, minimum height=2em, - node distance=9em] + minimum width=6em, minimum height=2.5em, + node distance=10em, inner sep = 0] +\def \netvspace {8em} \tikzstyle{net cpt} = [draw, thick, fill = tumgreen!20, font=\scriptsize, node distance=3em, - inner xsep = 0, inner ysep = 2pt] + inner sep = 2pt] \title{Bayesnetze} \subtitle{Seminar ``Kognitive Robotik''} @@ -114,11 +111,11 @@ \end{column} \begin{column}{.10\textwidth} \begin{figure} - \begin{tikzpicture}[auto] - \useasboundingbox (0, 0.5) rectangle (1, -0.5); - \draw[->, >=latex, line width=.35em, black!75] (0,0) -- (1,0); - \end{tikzpicture} - \end{figure} + \begin{tikzpicture}[auto] + \useasboundingbox (0, 0.5) rectangle (1, -0.5); + \draw[->, >=latex, line width=.35em, black!75] (0,0) -- (1,0); + \end{tikzpicture} + \end{figure} \end{column} \begin{column}{.35\textwidth} \begin{itemize} @@ -208,7 +205,7 @@ \end{frame} \begin{frame} - \frametitle{Unabhängiges Beispiel} + \frametitle{Nachmittagsplanung} \begin{example}[Nachmittagsplanung] Ich habe einen Nachmittag lang Zeit. Ich könnte \alert{Lebensmittel kaufen}, \alert{Sport machen} oder \alert{Lernen}. Ich habe genug Zeit für alle drei. Da ich ein sehr unentschlossener Mensch bin \alert{würfle} ich mittags - als echter Informatiker - mit einem \alert{W20}. @@ -216,7 +213,6 @@ \vspace{2em} - \begin{figure} \begin{tikzpicture} \node [net node] (sport) {Sport}; \node [net cpt] [below of = sport] @@ -238,14 +234,12 @@ $\Pr[L]$ \\ \tabucline{-} $0.2$ \\ \end{tabu}}; - \end{tikzpicture} - \end{figure} + \end{tikzpicture} \end{frame} \begin{frame}[t] - \frametitle{Unabhängiges Beispiel} + \frametitle{Nachmittagsplanung} - \begin{figure} \begin{tikzpicture} \node [net node] (sport) {Sport}; \node [net cpt] [below of = sport] @@ -267,8 +261,7 @@ $\Pr[L]$ \\ \tabucline{-} $0.2$ \\ \end{tabu}}; - \end{tikzpicture} - \end{figure} + \end{tikzpicture} \vspace{1em} \only<1>{ @@ -285,7 +278,7 @@ \only<2>{ \begin{itemize} - \item Alle möglichen Belegungen lassen sich in einer gemeinsamen Verteilung (joint distribution) darstellen. + \item Alle möglichen Belegungen lassen sich in einer gemeinsamen Verteilung (\alert{joint distribution}) darstellen. \item Für \alert{$n$} binäre Zufallsgrößen hat diese aber \alert{$2^n$} Einträge. \end{itemize} @@ -310,21 +303,110 @@ \begin{frame} \frametitle{Abhängigkeiten} - \todo{Eine weitere Größe die alles kaputt macht} - \todo{Bedingte Unabhängigkeit} + \begin{example}[Erweiterte Nachmittagsplanung] + Ich möchte das Haus nicht verlassen müssen, wenn es Regnet. Deshalb halbiere ich bei \alert{Regen} die Wahrscheinlichkeit für Aktivitäten außer Haus.\\ + Wenn ich weder Sport mache noch lerne bekomme ich ein \alert{schlechtes Gewissen}. Nach meinem Würfelergebnis möchte ich wissen, wie groß die Wahrscheinlichkeit ist am Abend schlecht gelaunt zu sein. + \end{example} + + \vspace{1em} + + Probleme: + \begin{itemize} + \item $\Pr[R, S] \neq \Pr[R] \cdot \Pr[S]$ + \item Alle Sätze brauchen \alert{Unabhängigkeit} + \end{itemize} +\end{frame} + +\begin{frame} + \frametitle{Bayesnetze} + + Es sind immernoch Unabhängigkeiten vorhanden: + \begin{itemize} + \item \alert{Regen} beeinflusst das \alert{Lernen} nicht + \item \alert{Einkaufen} und \alert{Sport} beeinflussen sich nicht. + \end{itemize} + + \vfill + + \begin{definition}[Bedingte Unabhängigkeit] + Zwei Ereignisse A und B sind \alert{bedingt unabhängig} unter einem Ereignis C wenn gilt + + $$\Pr[A, B \mid C] = \Pr[A \mid C] \cdot \Pr[B \mid C]$$ + \end{definition} + Einkaufen und Sport sind \alert{bedingt unabhängig} unter Regen. \end{frame} \begin{frame} \frametitle{Bayesnetze} - \todo{Lösung: Bayesnetz} - \todo{Direkte Beeinflussung, Unabhängigkeiten} - \todo{CPT} + + \begin{tikzpicture} + \node [net node] (sport) {Sport}; + \node [net node] (kaufen) [left of = sport] {Kaufen}; + \node [net node] (lernen) [right of = sport] {Lernen}; + + \node [net node] (gewissen) at ($0.5*(sport.center) + 0.5*(lernen.center) - (0,\netvspace)$) {Gewissen}; + \node [net node] (regen) at ($0.5*(sport.center) + 0.5*(kaufen.center) + (0,\netvspace)$) {Regen}; + + \foreach \src/\dest in {regen/kaufen, regen/sport, + sport/gewissen, lernen/gewissen} + \path [edge] (\src) -- (\dest); + + \only<2> { + \node [net cpt] at ($(regen.center)-(5em,0)$) + {\begin{tabu}{c} + $\Pr[R]$ \\ \tabucline{-} + $0.1$ \\ + \end{tabu}}; + + \node [net cpt] at ($(lernen.center)+(0,3em)$) + {\begin{tabu}{c} + $\Pr[L]$ \\ \tabucline{-} + $0.2$ \\ + \end{tabu}}; + + \node [net cpt] at ($(kaufen.center)-(0,3em)$) + {\begin{tabu}{c|c} + R & $\Pr[K]$ \\ \tabucline{-} + f & $0.5$ \\ + t & $0.25$ \\ + \end{tabu}}; + + \node [net cpt] at ($(sport.center)-(2em,3em)$) + {\begin{tabu}{c|c} + R & $\Pr[S]$ \\ \tabucline{-} + f & $0.4$ \\ + t & $0.2$ \\ + \end{tabu}}; + + \node [net cpt] at ($(gewissen.center)+(7em,0em)$) + {\begin{tabu}{cc|c} + S & L & $\Pr[G]$ \\ \tabucline{-} + f & f & $0.8$ \\ + f & t & $0.25$ \\ + t & f & $0.5$ \\ + t & t & $0.1$ \\ + \end{tabu}}; + } + \end{tikzpicture} \end{frame} \begin{frame} - \frametitle{Gesamtverteilung} - \todo{Berechnung der Gesamtverteilung} - \todo{Speicherbedarf} + \frametitle{Bayesnetze} + + \begin{columns} + \begin{column}{.5\textwidth} + \todo{Eigenschaften erklären} + \end{column} + \begin{column}{.5\textwidth} + + \end{column} + \end{columns} +\end{frame} + +\begin{frame} + \frametitle{Gemeinsame Verteilung} + + \todo{Wie berechnet man den joint?} \end{frame} \begin{frame} @@ -335,10 +417,6 @@ \end{frame} \begin{frame} - \todo{Hier fehlt was, Unabhängigkeitseigenschaften?} -\end{frame} - -\begin{frame} \frametitle{Knotenrepräsentation} \todo{Diskret vs. Kontinuierlich} \todo{Schnell vs. Genau} @@ -346,9 +424,68 @@ \end{frame} \begin{frame} - \frametitle{Normalverteilung} - \todo{Beispiel mit 3D Plots} - \todo{Hotdog Warteschlange} + \frametitle{Hotdogs} + \begin{example}[Hotdog zum Mittagessen] + Im MI-Gebäude gibt es jeden Dienstag Hotdogs. Um genau 11 Uhr werfe ich einen Blick auf die Länge der \alert{Schlange} und entscheide allein anhand ihrer Länge ob ich auf mein Mittagessen \alert{verzichte}.\\ + Die Länge der Schlange ist abhängig davon, ob es in der \alert{Mensa} akzeptables Essen gibt und wieviele Studenten \alert{verschlafen} haben. + \end{example} + + \begin{itemize} + \item Der Anteil der schlafenden Studenten ist \alert{gleichverteilt}. + \item Die Länge der Schlange ist \alert{normalverteilt}. + \end{itemize} +\end{frame} + +\begin{frame} + \frametitle{Hotdogs} + + \begin{tikzpicture} + \node [net node] (schlange) {Schlange}; + \node [net node] (mensa) at ($(schlange.center) + (-4em,\netvspace)$) {Mensa}; + \node [net node] (schlafen) at ($(schlange.center) + (4em,\netvspace)$) {Schlafen}; + + \node [net node] (hotdog) at ($(schlange.center) - (0,\netvspace)$) {Hotdog}; + + \foreach \src/\dest in {mensa/schlange, schlafen/schlange, + schlange/hotdog} + \path [edge] (\src) -- (\dest); + + \node [net cpt] at ($(schlafen.center)-(-3em,2.2em)$) + {$V \sim GV(0,100)$}; + + \node [net cpt] at ($(mensa.center)-(1em,3em)$) + {\begin{tabu}{c} + $\Pr[M]$ \\ \tabucline{-} + $0.4$ \\ + \end{tabu}}; + + \node [net cpt] at ($(schlange.center)-(5em,3em)$) + {\begin{tabu}{c|c} + M & $S$ \\ \tabucline{-} + f & $S \sim N(\mu_t(v),\sigma_t)$ \\ + t & $S \sim N(\mu_f(v),\sigma_f)$ \\ + \end{tabu}}; + + \node [net cpt] at ($(hotdog.center)-(-1em,2.2em)$) + {$\Pr[h | S = s] = \Phi(\frac{-s + \mu}{\sigma})$}; + + \only<2> { + \def\sdiv{3} + \begin{axis}[label style=sloped,xlabel=Schlange,ylabel=\% schlafend, + xshift=.225\textwidth,yshift=-6em,width=0.55\textwidth] + \addplot3[surf,domain=0:40,domain y=0:100] + {0.4 * exp(-0.5*((x-(30-0.25*y))/\sdiv)^2 )/(2.5*\sdiv) + + 0.6 * exp(-0.5*((x-(15-0.1*y))/\sdiv)^2 )/(2.5*\sdiv)}; + \end{axis} + + \begin{axis}[ticks=none,very thick, + width=0.3\textwidth, yshift=-11em, xshift=-8.5em] + \addplot[domain=0:10,smooth] + {1/(1+ exp(-2*((-x+5)/1.3)))}; + + \end{axis} + } + \end{tikzpicture} \end{frame} \begin{frame}