توضیحات

در جلسه بیستم هوش مصنوعی استاد انصاری با عنوان «استنتاج‌های احتمالی کارا و تقریبی»، انواع استنتاج احتمالی تدریس می‌شود. دو مطلب مهم در این جلسه مورد بحث و بررسی قرار می‌گیرند: 1) استنتاج‌های احتمالی کارا 2) استنتاج‌های احتمالی تقریبی. در جلسه گذشته با روش استنتاج به کمک شمارش به عنوان روشی کلی برای انجام استنتاج احتمالی آشنا شدیم. بزرگترین مشکل این متد زمانبر بودن آن است، چرا که برای محاسبه احتمال توأم چند متغیر، پیش از جمع زدن روی متغیرهای مخفی، توزیع توأم همه متغیرها ساخته می‌شود. به طور دقیق‌تر اگر مسئله حاوی 𝐧 متغیر باشد و 𝐫 متغیر مخفی داشته باشیم، باید جمله هر یک به طول 𝐧 را با هم جمع بزنیم، در نتیجه مرتبه محاسبات انجام شده 𝑶(𝒏 × 𝟐^𝒓) خواهد بود.در این جلسه ابتدا با نگاهی دقیق‎‌تر به محاسبات انجام شده در این روش سعی می‌کنیم سرعت اجرای آن را بهبود دهیم. در بخش بعدی روش‌های تقریبی برای انجام استنتاج احتمالی را بررسی می‌کنیم. مطالب این جلسه به ترتیب شامل محاسبات روی جداول (محاسبات انجام شده در روش استنتاج به کمک شمارش به شکل عملیات روی جدول‌های احتمال) و سپس استنتاج با روش حذف متغیر خواهد بود. استنتاج تقریبی به روش نمونه‌برداری و انواع آن شامل (روش Prior Sampling و روش Rejection Sampling و روش Likelihood Weighting و روش Gibbs Sampling) با جزئیات و مثال‌های متعدد تشریح می‌گردد و در انتها یک تمرین کامل و یک تست نیز در رابطه با این درس مطرح و پاسخ تشریحی آنها ارائه می‌شود.