Unit 4, 3 Speeding up Enumeration knowitvideos English Russian

Unit 4, 3 Speeding up EnumerationYouTube↗ IA↗(long shot)
Howto & Style 9.2K views 18 likes 0 dislikes 06 Oct 2011

knowitvideos 11.8K subscribers N/A YouTube↗

Click to Play Video

[Norvig] We've seen how to do enumeration to solve the inference problem

Мы видели как использовать метод исключения для решения проблем основаных на

on belief networks.

Байесовских сетях

For a simple network like the alarm network, that's all we need to know.

Для простой сети, как будильная сеть, это все что нам нужно знать

There's only 5 variables, so even if all 5 of them were hidden,

Здесь всего 5 переменных, и даже если все 5 из них были скрыты

there would only be 32 rows in the table to sum up.

Нужны будут всего 32 строки в таблице для суммирования

From a theoretical point of view, we're done.

Теоретически, этого достаточно

But from a practical point of view, other networks could give us trouble.

Но с практической точки зрения другие сети могут доставить нам неприятности

Consider this network, which is one for determining insurance for car owners.

Рассмотрим эту сеть для определения размера страховки для владельцев машин

There are 27 different variables.

Здесь 27 разных переменных

If each of the variables were boolean, that would give us over 100 million rows to sum out.

Если каждая из переменных была бы булевой, это дало бы нам более 100 миллионов строк

But in fact, some of the variables are non-boolean,

Но на самом деле некоторые переменные не булевые

they have multiple values, and it turns out that representing this entire network

У них несколько значений и оказывается это представляет всю эту сеть

and doing enumeration we'd have to sum over a quadrillion rows.

И делая исключение мы должны будем суммировать квадрильон строк

That's just not practical, so we're going to have to come up with methods

Это не может использоваться на практике и мы должны прийти к методам

that are faster than enumerating everything.

Которые быстрее чем исключение всего

The first technique we can use to get a speed-up in doing inference on Bayes nets

Первый метод, который мы можем использовать для ускорения inference в Байесовских сетях,

is to pull out terms from the enumeration.

Это извлекать/ выводить terms ( забыла как это мы вчера переводили, посмотри, там было) из процесса исключения

For example, here the probability of b is going to be the same for all values of E and a.

Например, здесь вероятность b будет одинаковой для всех значений E и a

So we can take that term and move it out of the summation,

Мы можем это исключить из суммирования

and now we have a little bit less work to do.

И теперь у нас осталось немного меньше работы

We can multiply by that term once rather than having it in each row of the table.

Мы можем один раз умножить на этот значение, это лучше чем иметь его в каждой строке таблицы

We can also move this term, the P of e, to the left of the summation over a,

Мы также можем передвинуть

because it doesn't depend on a.

Потому что это не зависит от a

By doing this, we're doing less work.

Делая это, мы делаем меньше работы

The inner loop of the summation now has only 3 terms rather than 5 terms.

Внутренний круг суммирования теперь имеет только 3 элемента в отличие от 5 первоначально

So we've reduced the cost of doing each row of the table.

Таким образом мы уменьшили стоимость подготовки каждой строки в таблице

But we still have the same number of rows in the table,

Но у нас все еще то же количество строк в таблице

so we're going to have to do better than that.

И нам нужен какой-то лучший способ

The next technique for efficient inference is to maximize independence of variables.

Следующий метод для эффективного выбора решения заключается в максимизировании независимости переменных

The structure of a Bayes net determines how efficient it is to do inference on it.

Структура Байесовых сетей определяет насколько эффективно принимать решения по ним

For example, a network that's a linear string of variables,

Например, сеть, которая линейная строка переменных,

X1 through Xn, can have inference done in time proportional to the number n,

X1 через Хп, может быть выведена за время, пропорциональное числу п,

whereas a network that's a complete network

в то время как сеть, которая полная

where every node points to every other node and so on could take time 2 to the n

, где каждый узел указывает на любой другой узел и так далее, может потребоваться время от 2 до N

if all n variables are boolean variables.

если все п это логические переменных.

In the alarm network we saw previously, we took care

В будильной сети которою мы видели ранее, мы позаботились об этом

to make sure that we had all the independence relations represented

чтобы убедиться, что у нас представлены были все независимые отношения

in the structure of the network.

В структуре сети.

But if we put the nodes together in a different order,

Но если положить узлы вместе в другом порядке,

we would end up with a different structure.

мы получим итог с разной структурой.

Let's start by ordering the node John calls first

Давайте начнем с упорядочения узла "Звонки Джона" первым

and then adding in the node Mary calls.

а затем добавим узел "звонки Марии".

The question is, given just these 2 nodes and looking at the node for Mary calls,

Вопрос в том, если дано только эти 2 узла , глядя на узел "звонки Марии",

is that node dependent or independent of the node for John calls?

являетсяли, узел зависимым или независимым от узла "звонки Джона"?

Similar videos:

Unit 3 11b Question

10.1K views 11 likes 9 dislikes 08 Oct 2011100% match

Unit 2, Topic 34, Note on Implementation

11.7K views 26 likes 1 dislikes 05 Oct 2011100% match

Unit 2, Topic 13, Uniform Cost Search

35.8K views 15 likes 28 dislikes 05 Oct 2011100% match

Unit 3 8a Two Test Cancer Example

22.7K views 7 likes 0 dislikes 08 Oct 2011100% match

HeartMath - Intuitive Intelligence

39.8K views 0 likes 0 dislikes 02 Apr 2014100% match

CEOS Chatter
Fernando Garcia
1.3K views 2 likes 1 dislikes 14 Mar 2012100% match

Mr. Peabody & Sherman
TheCaptionedInternet
43.6K views 74 likes 9 dislikes 03 Mar 2014100% match

Unit 6 5 Expectation Maximization

18.6K views 34 likes 25 dislikes 22 Oct 2011100% match

Instrucciones para llorar, de Julio Cortázar
Inés Andrés
5.9K views 10 likes 0 dislikes 10 Jan 2012100% match

Unit 2, Topic 7, Graph Search Answer

23.9K views 11 likes 7 dislikes 05 Oct 2011100% match

Unit 11 12.mp4 Finding Transition Probabilities.mp4

18.9K views 36 likes 13 dislikes 11 Nov 2011100% match

Thomas Jefferson's Warning about Banks
zilenthunderz
16.9K views 239 likes 4 dislikes 29 Sep 2012100% match

El diario de Nikki
Kuenta Libros
14.5K views 56 likes 27 dislikes 21 Nov 2012100% match

Unit 3 2d Question

17.5K views 3 likes 0 dislikes 08 Oct 2011100% match

0 views 0 likes 0 dislikes 05 Jun 2026100% match

Recomendación kuentalibros - pizarra digital y niños con discapacidad auditiva
anitamc20
933 views 1 likes 0 dislikes 21 Dec 2012100% match

(ENG/CHI SUB) 140216 SM True Thailand Facebook EXO
Baby Xiumin
783 views 10 likes 0 dislikes 16 Feb 2014100% match

Unit 2, Topic 11, Graph Search Termination

13.3K views 11 likes 1 dislikes 05 Oct 2011100% match

Unit 3 6 Cancer Quiz

15.8K views 6 likes 0 dislikes 08 Oct 2011100% match

0 views 0 likes 0 dislikes 05 Jun 2026100% match

Unit 3 11 Explaining Away

23K views 32 likes 2 dislikes 08 Oct 2011100% match

Unit 4, 2 Enumeration

22.5K views 67 likes 10 dislikes 06 Oct 2011100% match

Morgan Freeman Narrates the Greatest Story of Our Generation - Subtitulado en Español
Utherrex Uy
78.1K views 625 likes 10 dislikes 12 Oct 2014100% match

Homework 1, Question 7, A* Search

11.3K views 11 likes 5 dislikes 08 Oct 2011100% match

TED & TEDx explained
Kyo young Chu
1.1K views 7 likes 0 dislikes 02 Apr 2012100% match

Maša ei ole enam laisk.
Tuuli Koitjärv
18.4K views 37 likes 5 dislikes 11 Jan 2014100% match

Unit 1w, 4 Terminology

75.1K views 114 likes 4 dislikes 05 Oct 201150% match

Unit 3 1 Introduction

36.6K views 95 likes 6 dislikes 08 Oct 201150% match

Unit 0w, 1 Introduction

175.6K views 487 likes 8 dislikes 05 Oct 201150% match

Unit 3 2 Probabilities

19.5K views 10 likes 0 dislikes 08 Oct 201150% match

Settings Privacy About Contact Donate