Вероятностные графические модели социально-значимого поведения индивида, учитывающие неполноту информации
Ключевые слова:
вероятностные графические модели, рискованное поведение, последние эпизоды, байесовские сети доверияАннотация
Представлен подход, позволяющий формализовать задачу оценки интенсивности социально-значимого поведения в терминах вероятностных графических моделей. Сведение этой задачи к разработке особой вероятностной графической модели класса байесовских сетей доверия позволяет воспользоваться уже существующим мощным алгоритмическим аппаратом теории байесовских сетей доверия и свободно распространяемым программным инструментарием для проведения вычислительных экспериментов и для использования построенной модели в практических целях. Описана простейшая модель, основанная на данных об интервалах между эпизодами поведения, предложены варианты ее дальнейшего развития.Литература
Виноградов А.Н., Жилякова Л.Ю., Осипов Г.С. Динамические интеллектуальные системы. Моделирование целенаправленного поведения // Известия Российской академии наук. Теория и системы управления. 2003. № 1. С. 87-94
Заде Л. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/интеллектуальных систем // Новости искусственного интеллекта. 2001. № 2–3(44–45). С. 7–11
Зельтерман Д., Тулупьев А.Л., Суворова А.В., Пащенко А.Е., Мусина В.Ф., Тулупьева Т.В., Красносельских Т.В., Гро Л., Хаймер Р. Обработка систематической ошибки, связанной с длиной временных интервалов между интервью и последним эпизодом в гамма-пуассоновской модели поведения // Труды СПИИРАН. 2011. Вып. 16. С. 160–185
Кузнецов О.П. Интеллектуализация поддержки управляющих решений и создание интеллектуальных систем // Проблемы управления. 2009. № 3. С. 64-72
Осипов Г.С. Планирование и моделирование целенаправленного поведения в интеллектуальных системах // Вестник Российского университета дружбы народов. Серия: Прикладная и компьютерная математика. 2002. № 1. С. 51-61
Пащенко А.Е., Суворова А.В., Тулупьева Т.В. Тулупьев А.Л. Вероятностные распределения порядковых статистик в анализе сверхкоротких нечетких и неполных временных рядов // Труды СПИИРАН. 2009. Вып. 10. СПб.: Наука, 2009. С. 184–207
Стефанюк В.Л., Жожикашвили А.В. Наследование свойств категории при переходе от статических систем, использующих знания, к динамическим // Искусственный интеллект и принятие решений. 2008. № 1. С. 4-14
Суворова А.В., Тулупьев А.Л., Пащенко А.Е., Тулупьева Т.В., Красносельских Т.В. Анализ гранулярных данных и знаний в задачах исследования социально значимых видов поведения // Компьютерные инструменты в образовании. №4. 2010. С. 30–38
Тулупьев А.Л., Николенко С.И., Сироткин А.В. Байесовские сети: логико-вероятностный подход. СПб.: Наука, 2006. 607 с.
Тулупьев А.Л. Алгебраические байесовские сети: локальный логико-вероятностный вывод: Учеб. пособие. СПб.: СПбГУ; ООО Издательство «Анатолия», 2007. 80 с. (Сер. Элементы мягких вычислений)
Тулупьев А.Л. Алгебраические байесовские сети: глобальный логико-вероятностный вывод в деревьях смежности: Учеб. пособие. СПб.: СПбГУ; ООО Издательство «Анатолия», 2007. 40 с. (Сер. Элементы мягких вычислений)
Тулупьев А. Л., Сироткин А. В., Николенко С. И. Байесовские сети доверия: логико-вероятностный вывод в ациклических направленных графах. СПб.: Изд-во С.-Петерб. ун-та, 2009. 400 с.
Тулупьев А. Л. Алгебраические байесовские сети: система операций локального логико-вероятностного вывода // Информационно-измерительные и управляющие системы. 2009. №4. С. 41–44
Тулупьев А.Л. Алгебраические байесовские сети: система операций глобального логико-вероятностного вывода // Информационно-измерительные и управляющие системы. 2010. №11. С. 65–72
Тулупьева Т.В., Пащенко А.Е., Тулупьев А.Л., Красносельских Т.В., Казакова О.С. Модели ВИЧ-рискованного поведения в контексте психологической защиты и других адаптивных стилей. СПб.: Наука, 2008. 140 с.
Ширяев А.Н. Вероятность: Учеб.пособ. для вузов. 2-е изд. М.: Наука. Гл. ред. физ.-мат. лит., 1989. 640 с.
ACM Turing Award Winner, Judea Pearl, United States–2011, For fundamental contributions to artificial intelligence through the development of a calculus for probabilistic and causal reasoning // Association for Computer Machinery (web site) URL: http://amturing.acm.org/award_winners/pearl_2658896.cfm (доступ 05.05.2012)
Bool G. An Investigation of the Laws of Thought, on Which Are Founded the Mathematical Theories of Logic and Probabilities. Cambridge: Macmillan / London: Walton &Maberly, 1854. (Reprinted in 1951, Dover Publications, New York.)
Cowell R.G., Dawid A.Ph., Lauritzen S.L., Spiegelhalter D.J. Probabilistic Networks and Expert Systems. Berlin: Springer, 2003. 321 p.
Darwiche F. Modeling and reasoning with Bayesian networks. Cambridge: Cambridge University Press, 2009. 548 c.
GeNIe& SMILE // Decisions systems laboratory. School of Information Sciences. University of Pittsburg. URL: http://genie.sis.pitt.edu/ (доступ 05.05.2012)
Jensen F.V. Bayesian Networks and Decision Graphs. NY.: Springer-Verlag, 2001. 268 p.
Kindermann R., Snell J.L. Markov Random Fields and Their Applications. Providence, RI: Amer. Math. Soc., 1980. 142 p.
Koller D., Friedman N. Probabilistic graphical models: principles and techniques. Cambridge, MS: The MIT Press, 2009. 1231 p.
Korb K.B., Nicholson A.E. Bayesian Artificial Intelligence. NY.: Chapman and Hall/CRC, 2004. 364 p.
Neapolitan R.E. Learning Bayesian Networks. Pearson Prentice Hall, 2003. 674 p.
Nilsson N. J. Artificial Intelligence: a New Synthesis. San Francisco, CA: Morgan Kaufmann Publ., 1998. 513 p.
Perl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. NY etc.: Morgan Kaufmann Publ., 1994. P. 552
Perl J. Causality: Models, Reasoning, and Inference. Cambridge: Cambridge University Press, 2000. 400 c.
Заде Л. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/интеллектуальных систем // Новости искусственного интеллекта. 2001. № 2–3(44–45). С. 7–11
Зельтерман Д., Тулупьев А.Л., Суворова А.В., Пащенко А.Е., Мусина В.Ф., Тулупьева Т.В., Красносельских Т.В., Гро Л., Хаймер Р. Обработка систематической ошибки, связанной с длиной временных интервалов между интервью и последним эпизодом в гамма-пуассоновской модели поведения // Труды СПИИРАН. 2011. Вып. 16. С. 160–185
Кузнецов О.П. Интеллектуализация поддержки управляющих решений и создание интеллектуальных систем // Проблемы управления. 2009. № 3. С. 64-72
Осипов Г.С. Планирование и моделирование целенаправленного поведения в интеллектуальных системах // Вестник Российского университета дружбы народов. Серия: Прикладная и компьютерная математика. 2002. № 1. С. 51-61
Пащенко А.Е., Суворова А.В., Тулупьева Т.В. Тулупьев А.Л. Вероятностные распределения порядковых статистик в анализе сверхкоротких нечетких и неполных временных рядов // Труды СПИИРАН. 2009. Вып. 10. СПб.: Наука, 2009. С. 184–207
Стефанюк В.Л., Жожикашвили А.В. Наследование свойств категории при переходе от статических систем, использующих знания, к динамическим // Искусственный интеллект и принятие решений. 2008. № 1. С. 4-14
Суворова А.В., Тулупьев А.Л., Пащенко А.Е., Тулупьева Т.В., Красносельских Т.В. Анализ гранулярных данных и знаний в задачах исследования социально значимых видов поведения // Компьютерные инструменты в образовании. №4. 2010. С. 30–38
Тулупьев А.Л., Николенко С.И., Сироткин А.В. Байесовские сети: логико-вероятностный подход. СПб.: Наука, 2006. 607 с.
Тулупьев А.Л. Алгебраические байесовские сети: локальный логико-вероятностный вывод: Учеб. пособие. СПб.: СПбГУ; ООО Издательство «Анатолия», 2007. 80 с. (Сер. Элементы мягких вычислений)
Тулупьев А.Л. Алгебраические байесовские сети: глобальный логико-вероятностный вывод в деревьях смежности: Учеб. пособие. СПб.: СПбГУ; ООО Издательство «Анатолия», 2007. 40 с. (Сер. Элементы мягких вычислений)
Тулупьев А. Л., Сироткин А. В., Николенко С. И. Байесовские сети доверия: логико-вероятностный вывод в ациклических направленных графах. СПб.: Изд-во С.-Петерб. ун-та, 2009. 400 с.
Тулупьев А. Л. Алгебраические байесовские сети: система операций локального логико-вероятностного вывода // Информационно-измерительные и управляющие системы. 2009. №4. С. 41–44
Тулупьев А.Л. Алгебраические байесовские сети: система операций глобального логико-вероятностного вывода // Информационно-измерительные и управляющие системы. 2010. №11. С. 65–72
Тулупьева Т.В., Пащенко А.Е., Тулупьев А.Л., Красносельских Т.В., Казакова О.С. Модели ВИЧ-рискованного поведения в контексте психологической защиты и других адаптивных стилей. СПб.: Наука, 2008. 140 с.
Ширяев А.Н. Вероятность: Учеб.пособ. для вузов. 2-е изд. М.: Наука. Гл. ред. физ.-мат. лит., 1989. 640 с.
ACM Turing Award Winner, Judea Pearl, United States–2011, For fundamental contributions to artificial intelligence through the development of a calculus for probabilistic and causal reasoning // Association for Computer Machinery (web site) URL: http://amturing.acm.org/award_winners/pearl_2658896.cfm (доступ 05.05.2012)
Bool G. An Investigation of the Laws of Thought, on Which Are Founded the Mathematical Theories of Logic and Probabilities. Cambridge: Macmillan / London: Walton &Maberly, 1854. (Reprinted in 1951, Dover Publications, New York.)
Cowell R.G., Dawid A.Ph., Lauritzen S.L., Spiegelhalter D.J. Probabilistic Networks and Expert Systems. Berlin: Springer, 2003. 321 p.
Darwiche F. Modeling and reasoning with Bayesian networks. Cambridge: Cambridge University Press, 2009. 548 c.
GeNIe& SMILE // Decisions systems laboratory. School of Information Sciences. University of Pittsburg. URL: http://genie.sis.pitt.edu/ (доступ 05.05.2012)
Jensen F.V. Bayesian Networks and Decision Graphs. NY.: Springer-Verlag, 2001. 268 p.
Kindermann R., Snell J.L. Markov Random Fields and Their Applications. Providence, RI: Amer. Math. Soc., 1980. 142 p.
Koller D., Friedman N. Probabilistic graphical models: principles and techniques. Cambridge, MS: The MIT Press, 2009. 1231 p.
Korb K.B., Nicholson A.E. Bayesian Artificial Intelligence. NY.: Chapman and Hall/CRC, 2004. 364 p.
Neapolitan R.E. Learning Bayesian Networks. Pearson Prentice Hall, 2003. 674 p.
Nilsson N. J. Artificial Intelligence: a New Synthesis. San Francisco, CA: Morgan Kaufmann Publ., 1998. 513 p.
Perl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. NY etc.: Morgan Kaufmann Publ., 1994. P. 552
Perl J. Causality: Models, Reasoning, and Inference. Cambridge: Cambridge University Press, 2000. 400 c.
Probabilistic graphical models of individual socially significant behavior on the base of incomplete data
Abstract
We consider a problem of socially significant behavior rate estimates in terms of probabilistic graphical models. Such formal description of the problem allows applying powerful methods and developed algorithms of the theory of Bayesian belief networks. We can use existing software to make computational simulations and apply the model to solve practical tasks. We describe a simple model based on the incomplete data about time intervals between behavior episodes and propose ways of its development.Опубликован
2012-09-01
Как цитировать
Суворова, А. В., Тулупьева, Т. В., Тулупьев, А. Л., Сироткин, А. В., & Пащенко, А. Е. (2012). Вероятностные графические модели социально-значимого поведения индивида, учитывающие неполноту информации. Труды СПИИРАН, 3(22), 101-112. https://doi.org/10.15622/sp.22.6
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
