31
keadaan.
Hal
ini dapat canggung ketika keadaan keseluruhan sistem sebenarnya terdiri
dari kombinasi faktor secara terpisah dapat diidentifikasi.
2.5.2.
Bayesian Network
Dalam beberapa tahun terakhir, jaringan probabilistik atau Bayesian (Pearl 1988)
telah
muncul
sebagai
metode
utama
untuk
mewakili
dan
memanipulasi informasi
probabilistik
dalam
AI
komunitas.
Jaringan
ini
dapat
digunakan
untuk
mewakili
baik
peristiwa statis, seperti terjadinya serangkaian penyakit dan
gejala, atau
untuk
mewakili
proses-proses sementara seperti gerak dari sebuah mobil jalan raya.
Jaringan
probabilistik merupakan
distribusi
probabilitas
gabungan
dari
satu
set
variabel acak
{X1;…;
X
n
}.
Yang
menunjukkan penugasan
nilai
spesifik
untuk
variabel
dengan
surat
yang
lebih
rendah-kasus,
kemungkinan
tugas
gabungan
dari
nilai-nilai
yang Spesifik dengan aturan rantai dan satu set asumsi conditional independence
sebagai:
P
(x;…;
x
n
)
=< 1
P(x
i
|Parents
(X
i
)).
Berikut
Parents
(Xi)
mengacu
pada
subset
dari
variabel
x1…
X
i-1
;
diberikan nilai
untuk
Parents,
Xi
dianggap kondisional
independen dari semua
variable
indeks
lebih
rendah
lainnya. Probabilitas bersyarat
yang
terkait
dengan
masing-masing variabel
sering
disimpan dalam tabel
yang
disebut
sebagai
CPTs.
Sebuah
jaringan
Bayesian
memiliki grafis
yang
nyaman
direpresentasikan
di
mana
variabel
muncul
sebagai
node,
dan
variable
parents
ditunjukan oleh busur mengarah ke dalamnya, lihat Gambar 2.4.
 |