📄Работа №130873
Тема: Алгебраические байесовские сети: представление данных, алгоритмы обработки и реинжиниринг комплекса программ
Тип работы
Бакалаврская работа
Предмет
программирование
Объем:
42 листов
Год:
2017
Просмотров:
157
4750
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 5
1. Теоретические основы 7
1.1. Введение 7
1.2. Фрагмент знаний 7
1.3. Непротиворечивость фрагмента знаний 11
1.4. Алгебраическая байесовская сеть 18
1.5. Виды непротиворечивости в алгебраической байесовской сети 20
1.5.1. Локальная непротиворечивость 20
1.5.2. Экстернальная непротиворечивость 20
1.5.3. Интернальная непротиворечивость 21
1.5.4. Глобальная непротиворечивость 21
1.6. Выводы по главе 21
2. Парсер строки содержащей пропозициональную формулу 22
2.1. Введение 22
2.2. Постановка задачи 22
2.3. Алгоритм решения 22
2.4. Построение дерева разбора 24
2.5. Построение СДНФ по дереву разбора 27
2.6. Выводы по главе 28
3. Структура разработанной программной части 29
3.1. Введение 29
3.2. Структура классов 29
3.3. Скалярные оценки вероятностей: алгоритмы поддержания непротиворечивости 31
3.4. Интервальные оценки вероятностей: алгоритмы поддержания непротиворечивости 32
3.5. Выводы по главе 35
4. Программная реализация 36
4.1. Введение 36
4.2. Пример работы проверки разных степеней непротиворечивости 36
5. Заключение 38
Список литературы 40
1. Теоретические основы 7
1.1. Введение 7
1.2. Фрагмент знаний 7
1.3. Непротиворечивость фрагмента знаний 11
1.4. Алгебраическая байесовская сеть 18
1.5. Виды непротиворечивости в алгебраической байесовской сети 20
1.5.1. Локальная непротиворечивость 20
1.5.2. Экстернальная непротиворечивость 20
1.5.3. Интернальная непротиворечивость 21
1.5.4. Глобальная непротиворечивость 21
1.6. Выводы по главе 21
2. Парсер строки содержащей пропозициональную формулу 22
2.1. Введение 22
2.2. Постановка задачи 22
2.3. Алгоритм решения 22
2.4. Построение дерева разбора 24
2.5. Построение СДНФ по дереву разбора 27
2.6. Выводы по главе 28
3. Структура разработанной программной части 29
3.1. Введение 29
3.2. Структура классов 29
3.3. Скалярные оценки вероятностей: алгоритмы поддержания непротиворечивости 31
3.4. Интервальные оценки вероятностей: алгоритмы поддержания непротиворечивости 32
3.5. Выводы по главе 35
4. Программная реализация 36
4.1. Введение 36
4.2. Пример работы проверки разных степеней непротиворечивости 36
5. Заключение 38
Список литературы 40
📖 Введение
Актуальность темы. Верятностные графические модели являются одним из направалений современной информатики [6, 15, 16]. К ним, в частности, относятся марковские сети, байесовские сети доверия и алгебрические байесовские сети [2, 3, 11]. Последние представлют собой ненаправленные графы с идеалами конъюнктов в узлах. Им приписывается скалярные или интервальные оценки вероятности. Также в алгебраических байесовских сетях есть понятие фрагмента знаний — более мелкой структурной единицы, которая введена для более удобной и оптимальной работы с сетью.
Впервые понятие алгебраических байесовских сетей было введено в 1993 году. С тех пор идёт развитие данной теории. В 2009 году была разработана java-библиотека AlgBN Modeller j.v.01[9] для работы с алгебраическими байесовскими сетями, позволяющая хранить фрагменты знаний и переходить от одних к другим. Дальнейшим развитием данного проекта были надстройки Algebraic Bayesian Networks Inferrer и Algebraic Bayesian Networks Propagator[7, 8], в которых реализована поддержка непротиворечивости фрагмента знаний, локальный априорный и апостериорный выводы, некоторые виды глобального логико-вероятностного вывода. В 2011 была реализована Cd—+ библиотека AlgBN KPB Reconciler cpp.v.01[14], также реализующая некоторую функциональность алгебраических байесовских сетей.
В 2016 году была разработана библиотека на языке C#[1, 10], использующая новый матрично-векторный подход. Были реализованы представления фрагментов классов, поддержка локальной непротиворечивости, локальный априорный и апостериорный вывод. Данная работа является прподолжением развития этой библиотеки.
Целью данной работы является доработка и автоматизация алгоритмов поддержки непротиворечивости в алгебраических байесовских сетях. Для достижения поставленной цели были сформулированы следующие задачи:
• автоматизация разбора входной строки, содержащей пропозициональную формулу;
• доработка алгоритмы разбора строки и поддержания непротиворечивости;
• реализация программного представления алгебраической байесовской сети и данных алгоритмов;
• разработка тестов и сопроводающей документации.
Апробация результатов исследования. Результаты исследования были представлены на XX Международной конференции по мягким вычислениям и измерениям (SCM’2017) и ещё трёх конференциях.
Публикации. По теме выпускной квалификационной работы было подготовлено 6 публикаций, на момент написания 2 из них опублико- ваны[12, 17] и 3 приняты к публикации.
Данная выпускная квалификационная работа бакалавра содержит материалы исследований, частично поддержанных грантом РФФИ 15-01-09001 — «Комбинированный логико-вероятностный графический подход к представлению и обработке систем знаний с неопределенностью: алгебраические байесовские сети и родственные модели».
Впервые понятие алгебраических байесовских сетей было введено в 1993 году. С тех пор идёт развитие данной теории. В 2009 году была разработана java-библиотека AlgBN Modeller j.v.01[9] для работы с алгебраическими байесовскими сетями, позволяющая хранить фрагменты знаний и переходить от одних к другим. Дальнейшим развитием данного проекта были надстройки Algebraic Bayesian Networks Inferrer и Algebraic Bayesian Networks Propagator[7, 8], в которых реализована поддержка непротиворечивости фрагмента знаний, локальный априорный и апостериорный выводы, некоторые виды глобального логико-вероятностного вывода. В 2011 была реализована Cd—+ библиотека AlgBN KPB Reconciler cpp.v.01[14], также реализующая некоторую функциональность алгебраических байесовских сетей.
В 2016 году была разработана библиотека на языке C#[1, 10], использующая новый матрично-векторный подход. Были реализованы представления фрагментов классов, поддержка локальной непротиворечивости, локальный априорный и апостериорный вывод. Данная работа является прподолжением развития этой библиотеки.
Целью данной работы является доработка и автоматизация алгоритмов поддержки непротиворечивости в алгебраических байесовских сетях. Для достижения поставленной цели были сформулированы следующие задачи:
• автоматизация разбора входной строки, содержащей пропозициональную формулу;
• доработка алгоритмы разбора строки и поддержания непротиворечивости;
• реализация программного представления алгебраической байесовской сети и данных алгоритмов;
• разработка тестов и сопроводающей документации.
Апробация результатов исследования. Результаты исследования были представлены на XX Международной конференции по мягким вычислениям и измерениям (SCM’2017) и ещё трёх конференциях.
Публикации. По теме выпускной квалификационной работы было подготовлено 6 публикаций, на момент написания 2 из них опублико- ваны[12, 17] и 3 приняты к публикации.
Данная выпускная квалификационная работа бакалавра содержит материалы исследований, частично поддержанных грантом РФФИ 15-01-09001 — «Комбинированный логико-вероятностный графический подход к представлению и обработке систем знаний с неопределенностью: алгебраические байесовские сети и родственные модели».
✅ Заключение
В ходе данной работы достигнута основная цель — реализованы алгоритмы поддержки непротиворечивости в алгебраических байесовских сетях.
Выполнены поставленные задачи:
• разработан парсер строки;
• реализованы алгоритмы поддержания экстернальной и интерналь- ной непротиворечивости;
• реализована структура классов алгебраической байесовской сети;
• написаны охватывающие весь объём работы тесты, каждый метод имеет документацию.
Результаты вошли в 5 публикаций:
• Харитонов Н.А. Представление пропозициональной формулы в форме СДНФ для оценки вероятности ее истинности. // Материалы 6-й всероссийской научной конференции по проблемам информатики СПИСОК-2016. 26-29 апреля 2016 г. Санкт-Петербург — СПб.: ВВМ, 2016. сс. 574-580
• Харитонов Н.А., Мальчевская Е.А. Локальный априорный вывод в АБС: автоматизация анализа пропозициональной формулы. //Региональная информатика (РИ-2016). Юбилейная XV Санкт- Петербургская международная конференция «Региональная информатика (РИ-2016)». Санкт-Петербург, 26-28 октября 2016 г.: Материалы конференции. СПОИСУ.- СПб, 2016. с. 522
• E. Malchevskaya, N. Kharitonov, A. Zolotin, A. Birillo, Algebraic Bayesian Networks: Probabilistic-Logic Inference Algorithms and Storage Structures //Finnish-Russian University Cooperation in Telecommunications 3-7 april 2017 (in press)
• Харитонов Н.А. Алгоритмы непротиворечивости в алгебраических байесовских сетях Всероссийская научная конференция по проблемам информатики СПИСОК-2017 (в печати)
• N. Kharitonov, A. Tulupyev, A Zolotin Software Implementation of Reconcilation Algorithms in Algebraic Bayesian Networks // International Conference on Soft Computing and Measurements (in press)
Также результаты были представлены на следующих конференциях: СПИСОК-2016, СПИСОК-2017, Региональная информатика, SCM- 2017.
Была подана заявка на регистрацию программы для ЭВМ: Харитонов Н.А, Тулупьев А.Л.Algebraic Bayesian Networks String Parser Version 01 for CSharp (AlgBN StringParser cs.v.01)
Данная выпускная квалификационная работа бакалавра содержит материалы исследований, частично поддержанных грантом РФФИ 15-01-09001 — «Комбинированный логико-вероятностный графический подход к представлению и обработке систем знаний с неопределенностью: алгебраические байесовские сети и родственные модели».
Полученные результаты позволяют продолжить разивитие функциональности библиотеки, реализовать априорный и апостериорный логико-вероятностный выводы в алгебраических байесовских сетях.
Выполнены поставленные задачи:
• разработан парсер строки;
• реализованы алгоритмы поддержания экстернальной и интерналь- ной непротиворечивости;
• реализована структура классов алгебраической байесовской сети;
• написаны охватывающие весь объём работы тесты, каждый метод имеет документацию.
Результаты вошли в 5 публикаций:
• Харитонов Н.А. Представление пропозициональной формулы в форме СДНФ для оценки вероятности ее истинности. // Материалы 6-й всероссийской научной конференции по проблемам информатики СПИСОК-2016. 26-29 апреля 2016 г. Санкт-Петербург — СПб.: ВВМ, 2016. сс. 574-580
• Харитонов Н.А., Мальчевская Е.А. Локальный априорный вывод в АБС: автоматизация анализа пропозициональной формулы. //Региональная информатика (РИ-2016). Юбилейная XV Санкт- Петербургская международная конференция «Региональная информатика (РИ-2016)». Санкт-Петербург, 26-28 октября 2016 г.: Материалы конференции. СПОИСУ.- СПб, 2016. с. 522
• E. Malchevskaya, N. Kharitonov, A. Zolotin, A. Birillo, Algebraic Bayesian Networks: Probabilistic-Logic Inference Algorithms and Storage Structures //Finnish-Russian University Cooperation in Telecommunications 3-7 april 2017 (in press)
• Харитонов Н.А. Алгоритмы непротиворечивости в алгебраических байесовских сетях Всероссийская научная конференция по проблемам информатики СПИСОК-2017 (в печати)
• N. Kharitonov, A. Tulupyev, A Zolotin Software Implementation of Reconcilation Algorithms in Algebraic Bayesian Networks // International Conference on Soft Computing and Measurements (in press)
Также результаты были представлены на следующих конференциях: СПИСОК-2016, СПИСОК-2017, Региональная информатика, SCM- 2017.
Была подана заявка на регистрацию программы для ЭВМ: Харитонов Н.А, Тулупьев А.Л.Algebraic Bayesian Networks String Parser Version 01 for CSharp (AlgBN StringParser cs.v.01)
Данная выпускная квалификационная работа бакалавра содержит материалы исследований, частично поддержанных грантом РФФИ 15-01-09001 — «Комбинированный логико-вероятностный графический подход к представлению и обработке систем знаний с неопределенностью: алгебраические байесовские сети и родственные модели».
Полученные результаты позволяют продолжить разивитие функциональности библиотеки, реализовать априорный и апостериорный логико-вероятностный выводы в алгебраических байесовских сетях.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.