Iterativni statistické rozhodovací metody

Byly navrženy dvě iterativní metody statistického rozhodování, které snižují význam apriorních pravděpodobností v Bayesově vzorci. První z nich je založena na iterativním použití Bayesovy formule a konverguje k jednoznačnému rozhodnutí, které je na apriorních pravděpodobnostech nezávislé. Lze ji interpretovat jako metodu postupného upřesňování závěrů plynoucích z předloženého pozorování. Druhá metoda využívá shlukovací princip vyhledání nejbližšího lokálního maxima distribuční směsi pomocí vzestupné trajektorie v datovém prostoru s počátkem v předloženém vektoru příznaků. Nalezené nejbližší lokální maximum má vyšší pravděpodobnost, než výchozí datový vektor a umožňuje spolehlivější (resp. jednoznačnou) klasifikaci vstupního vektoru. Oba postupy mohou být přínosem v situaci, kdy spolehlivý odhad apriorních pravděpodobností tříd, resp. diagnóz je obtížný.

Inovační aspekty

Výpočet aposteriorních pravděpodobností pomocí Bayesova vzorce významně závisí na apriorních pravděpodobnostech jednotlivých tříd resp. diagnóz. Statistické rozhodování založené na Bayesově vzorci tak může potlačovat určování vzácných diagnóz nebo může být celkově zkresleno chybně odhadnutými apriorními váhami. Navržené iterativní metody nabízejí statisticky zdůvodněné principy rozhodování, které potlačující význam apriorních pravděpodobností v Bayesově vzorci a zvyšují význam pozorovaných příznaků.

Přínosy

Navržené iterativní metody statistického rozhodování potlačují vliv apriorních pravděpodobností diagnóz a zvyšují význam konkrétně zjištěných příznaků. Mohou tak zpřesnit rozhodování v případě neznámých nebo nespolehlivě odhadnutých apriorních pravděpodobností, resp. usnadnit identifikaci vzácných diagnóz.

Dokumentace

  • Grim, Jiří ; Hora, Jan. Iterative principles of recognition in probabilistic neural networks. Neural Networks, 2008, Roč. 21, č. 6, s. 838-846. ISSN 0893-6080.
  • Grim, Jiří ; Hora, Jan. Recurrent Bayesian Reasoning in Probabilistic Neural Networks. In Artificial Neural Networks - ICANN 2007 Part I.. Berlin : Springer, 2007. S. 129-138. ISBN 3-540-74693-5. [International Conference on Artificial Neural Networks /17./, Porto, 09.09.2007-13.09.2007, PT].
Design downloaded from Free Templates - your source for free web templates