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.
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).
