studiehandbok@lith   Länk till universitetets hemsida
 

Tekniska högskolan vid Linköpings universitet

Länk till universitetets hemsida
 
År : 2007
 
TAMS22 Sannolikhetsteori och bayesianska nätverk, 4 p / 6 hp
/Probability Theory and Bayesian Networks/

För:   C   COM   D   IT   Mat   Y  

 

Prel. schemalagd tid: 56
Rek. självstudietid: 104

  Utbildningsområde: Naturvetenskap

Ämnesgrupp: Matematik   Nivå (A-D):C

Huvudområde: Matematik, Tillämpad matematik   Nivå (G1,G2,A): A

  Datavetenskap Matematik, tillämpad matematik

  Mål:
Kursen ger en introduktion till analysen av Kausala nätverk. Den diskuterar graf modeller och algoritmer för uppdatering av sannolikhetsfördelningar. Studenten ska förvänta sig att få grundläggande kunskaper om teorin och ingenjörs tillämpningar av Bayesianska nätverk. I slutet av kursen kommer studenten ha:
  • stött på det Bayesianska paradigmet.
  • sett definitionen av ett Bayesianskt nätverk.
  • sett tillämpningar av Bayesianska nätverk i ingenjörskonsten.
  • lärt sig hur man konstruerar ett Junction tree samt hur man skickar medellanden längs med detta och uppdaterar sannolikhets fördelningen över nätverket.


  Förkunskaper: (gäller studerande antagna till program som kursen ges inom, se 'För:' ovan)
En grundkurs i sannolikhetslära, TAMS35, TAMS07, eller NMAB06 del 1 eller ekvivalent kurs.

OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

  Organisation:
Föreläsningar, räkneövningar och laborationer i datasal.

  Kursinnehåll:
Osäkerhet, det Bayesianska paradigmet, Dirichlet fördelningen, Kausala nätverk, och d-separation, Bayesianska nätverk, regler för sannolikhet och betingad sannolikhet, att lägga till bevis, inlärning, anpassning och justering, Moral grafer, triangulering, Junction trees, meddelande flöden längs med ett Junction tree.

  Kurslitteratur:
Finn V. Jensen, Bayesian Networks and Decision Graphs, Springer 2001.(rekommenderad). Timo Koski & John Noble: Twelve lectures on Bayesian Networks 2005 (utgivet av institutionen).(obligatorisk).

  Examination:
TEN1
LAB1
En skriftlig tentamen (U,3,4,5)
Inlämningsuppgifter (U,3,4,5)
3,5 p
0,5 p
/
/
5 hp
1 hp
 



Undervisningsspråk är Svenska/Engelska kan diskuteras vissa år om behov finns.
Institution: MAI.
Studierektor: Eva Enqvist
Examinator: John Noble
Ansvarig programnämnd: Data&Medie

Engelsk kursplan

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som ingår i kursen skall därför genomföras med kursplanen som utgångspunkt.

Om inget annat anges ovan gäller betygsskala enligt avsnitt a8.5 i de gemensamma bestämmelserna.

Kursplanen gäller för 2008 enligt beslut av ansvarig programnämnd/fakultetstyrelse.

Tekniska högskolan vid Linköpings universitet

Länk till sidans topp


Informationsansvarig: TFK , val@tfk.liu.se
Senast ändrad: 01/27/2015