Bayes ağlar
Bayesian networks
- Tez No: 114843
- Danışmanlar: PROF. DR. SEMRA ORAL ERBAŞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2001
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 150
Özet
Bir Bayes ağ, yön verilmiş döngüsel olmayan grafiktir. Bu grafikte, düğümler değişkenleri gösterir ve kenarlar değişkenler arası doğrudan bağımlılıktan tanımlar. Kenarlar arası bağımlılıkların gücü, koşullu olasılıklar ile tanımlanmıştır. Koşullu bağımsızlık ilişkilerini göstermek için yönsel-ayrılma kriterine yer verilmiştir. Bu çalışma da, Bayes ağların kavramları açıklanmış ve kesin olmayan olayların nedenselliği tanıtılmıştır. Nedensel ağlan tanıtabilmek için, nedensel ilişkiler grafikler ile gösterilmiştir. Bayes ağlarda, olayların genişlemesi, birleşme ağacı algoritması ile tanıtılmıştır. Son olarak, uygulama da yer alan veriden hareketle, koşullu olasılıkların gücü hesaplanmış ve bu olasılıklar incelenmiştir. Burada, olumsallık tabloların oluşturulması için SPSS programı ve olasılık hesaplamaları için de HUGIN paket programı kullanılmıştır. Anahtar Kelimeler : Bayes ağlar, Nedensel ağlar, Koşullu bağımsızlık, Grafik modelleri, Yön verilmiş grafik, Yön verilmiş döngüsel olmayan grafik, Yönsel-ayrılma kriteri, Moral grafik, Üçgen grafik, Birleşme grafiği.
Özet (Çeviri)
A Bayesian network is directed acyclic graphs in which the nodes represent variables and the edges signify direct dependencies between variables. The strenghts of these edges dependencies are defined by conditional probabilities. The d-separation criterion is given to denote conditional independence relationships. In this study, the concepts of Bayesian networks are explained and reasoning of uncertainty evidence are introduced. The causal relations are indicated by graphics to introduce causal networks. In Bayesian networks, the evidence propagation is introduced by junction tree algorithm. Finally, strenghts of conditional probabilities are calculated by using application data and probabilities are examined. Here, SPSS software are used to constitue contingency tables and HUGIN software for probability calculus.Key Words : Bayesian networks, Causal networks, Conditional independence, Graphical models, Directed graph, Directed acyclic graph, Directional-separation criterion, Moral graph, Triangulation graph, Junction graph.
Benzer Tezler
- Bayes ağlar ve Markov ağları kullanan kümeleme yönteminin incelenmesi ve bir uygulama
An examination of clustering method using Bayesian and Markov networks and an application
HÜLYA OLMUŞ
- Bayesçi ağlarda zamansal değişkenlerin kullanımı
Using time dependent variables in Bayesian networks
ASLI YAMAN
Doktora
Türkçe
2022
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MEHMET ALİ CENGİZ
- Bayes ağları kullanarak medikal transtorasik ekokardiyografi verilerinin işlenmesi ve teşhis yazılımı geliştirilmesi
Processing of medical transthoracic echocardiography data using Bayesian networks and diagnostic software development
BEDİA SÜNDÜZ KILIÇ
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KADİR KAVAKLIOĞLU
- Learning Bayesian network parameters from small data sets by using ranked nodes method
Az miktarda veriden sıralı düğümler yöntemi ile Bayes ağı parametrelerinin öğrenilmesi
SILA İŞYAR
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARBAROS YET
DR. ÖĞR. ÜYESİ CEREN TUNCER ŞAKAR
- ALS vaka tespitinde bayes ağları ve makine öğrenmesi yöntemlerinin karşılaştırılması
Comparison of bayesian networks and machine learning methods in ALS desease detection
HASAN AYKUT KARABOĞA
Doktora
Türkçe
2021
BiyoistatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. İBRAHİM DEMİR