Busca avançada
Ano de início
Entree

Aprendizagem estrutural de redes bayesianas dinâmicas utilizando algoritmo evolutivo paralelo multiobjetivo

Processo: 18/23139-8
Modalidade de apoio:Bolsas no Brasil - Doutorado Direto
Vigência (Início): 01 de maio de 2019
Vigência (Término): 29 de fevereiro de 2024
Área do conhecimento:Engenharias - Engenharia Elétrica
Pesquisador responsável:Carlos Dias Maciel
Beneficiário:Rafael Rodrigues Mendes Ribeiro
Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:14/50851-0 - INCT 2014: Instituto Nacional de Ciência e Tecnologia para Sistemas Autônomos Cooperativos Aplicados em Segurança e Meio Ambiente, AP.TEM
Bolsa(s) vinculada(s):21/09396-0 - Análise do impacto da discretização de dados no espaço de busca de redes bayesianas, BE.EP.DD
Assunto(s):Modelagem de sistemas   Otimização   Inferência bayesiana e redes de crença   Algoritmos evolutivos
Palavra(s)-Chave do Pesquisador:Multiobjetivo | otimização | Programação Evolutiva | Redes Bayesianas | Modelagem de Sistema

Resumo

Atualmente existe a necessidade de uma teoria estatística para a análise de sinais. Para suprir essa necessidade, nos últimos anos vem se utilizando da inferência Bayesiana, em que se utiliza dados para inferir a estrutura e os parâmetros da Rede Bayesiana (que é uma descrição gráfica da probabilidade condicional entre variáveis aleatórias). O Laboratório de Processamento de Sinais tem um grande histórico de trabalhos envolvendo a Redes Bayesiana. A aprendizagem da estrutura da Rede Bayesiana é um problema NP-difícil e de grande importância para diversos estudos. Visando criar um algoritmo de aprendizagem estrutural de Redes Bayesianas, pretende-se desenvolver um algoritmo de otimização multiobjetivo, pois ele procura encontrar uma solução que possua um compromisso entre os vários critérios definidos. Uma abordagem eficiente para se desenvolver esse algoritmo é se utilizar de algoritmos evolutivos. Por sua vez, para otimizar o tempo de execução do algoritmo evolutivo, pretende-se utilizar de um algoritmo evolutivo paralelo. Espera-se que o método final obtido apresente um tempo de execução bem reduzido em relação aos métodos disponíveis atualmente. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MENDES RIBEIRO, RAFAEL RODRIGUES; MACIEL, CARLOS DIAS; IEEE. AGAVaPS - Adaptive Genetic Algorithm with Varying Population Size. 2022 IEEE CONGRESS ON EVOLUTIONARY COMPUTATION (CEC), v. N/A, p. 8-pg., . (14/50851-0, 18/23139-8)
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
RIBEIRO, Rafael Rodrigues Mendes. Método de quantização para Redes Bayesianas e aprendizagem estrutural de Redes Bayesianas. 2024. Tese de Doutorado - Universidade de São Paulo (USP). Escola de Engenharia de São Carlos (EESC/SBD) São Carlos.

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.