Název:
Aplikace Bayesovských sítí
Překlad názvu:
Bayesian Networks Applications
Autoři:
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2013
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Tato diplomová práce se zabývá možnými aplikacemi Bayesovských sítí. Nejprve se zaměřuje na obecnou teorii pravděpodobnosti a později na úrovni matematiky vysvětluje samotnou teorii Bayesovských sítí, přístupy k inferenci a k učení včetně ozřejmění silných a slabých stránek popisovaných technik. Součástí výkladu jsou v mnoha případech ilustrativní příklady a podrobně komentovaná matematická odvození prezentovaných vzorců. V praktické části práce je kladen důraz na aplikace vyžadující učení Bayesovské sítě, jednak ve smyslu učení parametrů a jednak ve smyslu struktury. První aplikací jsou obecné benchmarkové úlohy, které zkoumají chování prezentovaných technik a zaměřují se na způsob optimální volby parametrů učení Bayesovské sítě. Druhou aplikací je užití Bayesovských sítí pro účely dolování znalostí o příčinách zločinnosti prostřednictvím vizualizace závislostí mezi náhodnými proměnnými popisujícími zkoumanou doménu. Třetí aplikace zkoumá možnosti nasazení Bayesovské sítě jakožto spam filtru a dosažené výsledky porovnává prostřednictvím všeobecně užívané datové sady s výsledky naivního Bayesovského filtru, který rovněž vychází z teorie pravděpodobnosti.
This master's thesis deals with possible applications of Bayesian networks. The theoretical part is mainly of mathematical nature. At first, we focus on general probability theory and later we move on to the theory of Bayesian networks and discuss approaches to inference and to model learning while providing explanations of pros and cons of these techniques. The practical part focuses on applications that demand learning a Bayesian network, both in terms of network parameters as well as structure. These applications include general benchmarks, usage of Bayesian networks for knowledge discovery regarding the causes of criminality and exploration of the possibility of using a Bayesian network as a spam filter.
Klíčová slova:
Bayesovská síť; pravděpodobnost; spam; stochastická inference; strojové učení; učení struktury; Bayesian network; inference; machine learning; probability; spam; stochastic; structure learning
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/53566