Análise do impacto da discretização de dados no espaço de busca de redes bayesianas

• Processo: 21/09396-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 01 de dezembro de 2021
• Data de Término da vigência: 26 de outubro de 2022
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Carlos Dias Maciel
• Beneficiário: Rafael Rodrigues Mendes Ribeiro
• Supervisor: Cassio Polpo de Campos
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Eindhoven University of Technology (TU/e), Holanda
• Vinculado à bolsa: 18/23139-8 - Aprendizagem estrutural de redes bayesianas dinâmicas utilizando algoritmo evolutivo paralelo multiobjetivo, BP.DD
• Assunto(s): Redes bayesianas Modelagem de sistemas Quantização (física)
• Palavra(s)-Chave do Pesquisador: Aprendizagem Estrutural | Discretização | Redes Bayesianas | Modelagem de Sistema

Resumo

O aprendizado estrutural de Redes Bayesianas (BN) é um problema que possui um espaço de busca com característica super-exponencial. As escolhas de parâmetros afetam a aprendizagem estrutural e, portanto, precisam ser estudadas. Considerando que os algoritmos mais comumente usados para aprendizagem estrutural de BNs requerem o uso de dados discretos quantizados, a quantização precisa ser estudada. Existem trabalhos que estudam a discretização e quantização de variáveis contínuas para variáveis numéricas discretas quantizadas e outros que estudam a discretização e quantização de variáveis contínuas para variáveis categóricas. Alguns usam a teoria da informação, outros maximização da expectativa e probabilidade ou outros métodos de discretização e quantização. Porém, todos esses trabalhos comparam o resultado final do aprendizado estrutural ou utilizam uma estrutura fixa e não como a quantização altera o espaço de busca das BNs. Neste projeto iremos realizar este estudo e criar uma análise aprofundada das implicações da quantização no espaço de procura de aprendizagem de BNs. Espera-se que nossos resultados teóricos e experimentais validem/invalidem os resultados da literatura sobre como os diferentes tipos de quantização resultam em diferentes qualidades de BNs aprendidos. (AU)