Mercurial > latex
changeset 66:5e8c92cff438
add d-separation
author | Markus Kaiser <markus.kaiser@in.tum.de> |
---|---|
date | Tue, 11 Dec 2012 19:46:44 +0100 |
parents | 519642bf43ac |
children | 81cc712cd971 |
files | bayesian_networks/presentation.tex |
diffstat | 1 files changed, 102 insertions(+), 10 deletions(-) [+] |
line wrap: on
line diff
--- a/bayesian_networks/presentation.tex Sun Dec 09 21:01:33 2012 +0100 +++ b/bayesian_networks/presentation.tex Tue Dec 11 19:46:44 2012 +0100 @@ -54,10 +54,11 @@ \pgfsetlayers{background,midground,main} \tikzstyle{edge} = [draw,very thick,->,>=latex] \tikzstyle{selected edge} = [edge, tumred] +\tikzstyle{circular node} = [circle,thick,draw,fill=tumblue!20,minimum size=12pt,inner sep=0pt,font=\bfseries] \tikzstyle{net node} = [ellipse, draw, thick, fill=tumblue!20, minimum width=6em, minimum height=2.5em, node distance=10em, inner sep = 0] -\tikzstyle{selected net node} = [net node, fill=tumred!20] +\tikzstyle{selected net node} = [net node, fill=tumred!20] \def \netvspace {8em} \tikzstyle{net cpt} = [draw, thick, fill = tumgreen!20, font=\scriptsize, node distance=3em, @@ -67,7 +68,7 @@ \subtitle{Seminar ``Kognitive Robotik''} \author{\href{mailto:markus.kaiser@in.tum.de}{Markus Kaiser}} %\date{\today} -\date{2012-12-12} +\date{12-12-12} \institute{Technische Universität München} %Inhaltsverzeichnis zu Begin von jedem Abschnitt einblenden? %\AtBeginSection[]{ @@ -346,22 +347,113 @@ \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}; - \node<2,4> [selected net node] (sport) {Sport}; + \node<2,3> [selected net node] (sport) {Sport}; \node<2> [selected net node] (kaufen) [left of = sport] {Kaufen}; - \node<3,4> [selected net node] (lernen) [right of = sport] {Lernen}; + \node<3> [selected net node] (lernen) [right of = sport] {Lernen}; - \node<4> [selected net node] (gewissen) at ($0.5*(sport.center) + 0.5*(lernen.center) - (0,\netvspace)$) {Gewissen}; - \node<2,3> [selected net node] (regen) at ($0.5*(sport.center) + 0.5*(kaufen.center) + (0,\netvspace)$) {Regen}; + \node<3> [selected net node] (gewissen) at ($0.5*(sport.center) + 0.5*(lernen.center) - (0,\netvspace)$) {Gewissen}; + \node<2,4> [selected net node] (regen) at ($0.5*(sport.center) + 0.5*(kaufen.center) + (0,\netvspace)$) {Regen}; + \node<4> [selected net node] (gewissen) at ($0.5*(sport.center) + 0.5*(lernen.center) - (0,\netvspace)$) {Gewissen}; \foreach \src/\dest in {regen/kaufen, regen/sport, sport/gewissen, lernen/gewissen} \path [edge] (\src) -- (\dest); \foreach \i/\src/\dest in {2/regen/kaufen, 2/regen/sport, - 4/sport/gewissen, 4/lernen/gewissen} + 3/sport/gewissen, 3/lernen/gewissen} \path<\i> [selected edge] (\src) -- (\dest); - \only<5> { + \end{tikzpicture} +\end{frame} + +\begin{frame}[t] + \frametitle{d-Separation} + + \begin{definition}[d-Separation] + Zwei Knotenmengen $X$ und $Y$ sind in einem DAG $G$ durch $Z$ \alert{d-separiert} $\langle X \mid Z \mid Y \rangle_G$ wenn es \alert{keinen} (ungerichteten) Pfad zwischen $X$ und $Y$ gibt für den gilt + \begin{enumerate} + \item Jeder Knoten an dem Kanten \alert{zusammenlaufen} ist selbst in $Z$ oder hat einen Nachfahren in $Z$ + \item Jeder \alert{andere Knoten} ist nicht in $Z$ + \end{enumerate} + \end{definition} + + \vfill + + \uncover<2-5> { + \begin{center} + \begin{tikzpicture} + \tikzstyle {dag node} = [circular node, font=\normalfont, inner sep = 2pt, + node distance = 4em] + \tikzstyle {bad dag node} = [dag node, fill=tumred!20] + \tikzstyle {good dag node} = [dag node, fill=tumgreen!20] + + \def \xdist {4em} + \def \ydist {3em} + + \useasboundingbox ($(-3*\xdist, -\ydist)$) rectangle ($(\xdist, \ydist)$); + \node [dag node] (C) at (0,0) {C}; + \node [dag node] (A) at ($(C.center) + (-\xdist, \ydist)$) {A}; + \node [dag node] (B) at ($(C.center) + (\xdist, \ydist)$) {B}; + \node [dag node] (E) at ($(C.center) + (-\xdist, -\ydist)$) {E}; + \node [dag node] (F) at ($(C.center) + (\xdist, -\ydist)$) {F}; + \node [dag node] (D) at ($(C.center) + (2 * \xdist, 0)$) {D}; + + \foreach \src/\dest in {A/C, B/C, B/D, C/F, D/F, C/E} + \path [edge] (\src) -- (\dest); + + \foreach \i/\Node in {3/A, 3/B, 4/A, 4/B, 5/A, 5/E} + \node<\i> [good dag node] at ($(\Node.center)$) {\Node}; + + \foreach \i/\Node in {4/C, 5/C} + \node<\i> [bad dag node] at ($(\Node.center)$) {\Node}; + + \foreach \i/\src/\dest in {4/A/C, 4/B/C} + \path<\i> [selected edge] (\src) -- (\dest); + + \foreach \i/\Cap in {3/$\langle A \mid \emptyset \mid B \rangle$, + 4/$\neg \langle A \mid F \mid B \rangle$, + 5/$\langle A \mid C \mid E \rangle$ + } + \node<\i> at ($(C.center) + (-3*\xdist, 0)$) {\Cap}; + + \end{tikzpicture} + \end{center} + } +\end{frame} + +\begin{frame} + \frametitle{Bayesnetze} + + \begin{theorem}[Unabhängigkeiten in Bayes-Netzen] + Zufallsvariablen $X$ und $Y$ sind in einem Bayes-Netz \alert{bedingt unabhängig} unter $E$ wenn $\langle X \mid E \mid Y \rangle$.\\ + Speziell ist \alert{jeder Knoten} bedingt unabhängig von + \begin{itemize} + \item \alert{allen nicht-Nachfahren} gegeben seine \alert{Eltern} + \item \alert{allen Knoten} gegeben seine \alert{Markov-Einbettung} + \end{itemize} + \end{theorem} + + \begin{definition}[Markov-Einbettung] + Die \alert{Markov-Einbettung} (Markov blanket) eines Knotens ist die Menge all seiner \alert{Eltern}, \alert{Kinder} und den \alert{Eltern aller Kinder}. + \end{definition} +\end{frame} + +\begin{frame} + \frametitle{Bayesnetze} + + \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{-} @@ -405,7 +497,7 @@ \begin{theorem}[Gemeinsame Verteilung] Für einen Eintrag $\Pr[x_1,\ldots,x_n]$ in der gemeinsamen Verteilung eines Bayesnetzes gilt - $$\Pr[x_1,\ldots,x_n] = \prod_{i=1}^n \Pr[x_i \mid \mathrm{parents}(X_i)]$$ + $$\Pr[x_1,\ldots,x_n] = \prod_{i=1}^n \Pr[x_i \mid \mathsf{parents}(X_i)]$$ \end{theorem} Was ist die Wahrscheinlichkeit, dass ich ein \alert{schlechtes Gewissen} bei \alert{schönem Wetter} habe, obwohl ich \alert{Sport gemacht} habe nachdem ich \alert{einkaufen} war? @@ -637,7 +729,7 @@ \begin{tikzpicture}[grow=down] \tikzstyle{every node} = [font=\scriptsize] - \tikzstyle{op} = [circle,thick,draw,fill=tumblue!20,minimum size=12pt,inner sep=0pt, font=\bfseries] + \tikzstyle{op} = [circular node] \tikzstyle{edge from parent} = [edge] \tikzstyle{level 2} = [sibling distance = 14em]