Algoritmos para raciocínio probabilístico com modelos baseados em grafos

• Processo: 02/08982-2
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de dezembro de 2002
• Data de Término da vigência: 30 de novembro de 2005
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Fabio Gagliardi Cozman
• Beneficiário: Jaime Shinsuke Ide
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Estatística computacional Inteligência artificial Método de Monte Carlo
• Palavra(s)-Chave do Pesquisador: Estatistica Computacional | Inteligencia Artificial | Metodos Monte Carlo | Redes Bayesianas

Resumo

O objetivo deste trabalho é desenvolver algoritmos para cálculo de probabilidades marginais em modelos probabilísticos baseados em grafos. Nos últimos anos tais modelos tem sido amplamente adotados na área de inteligência artificial (em sistemas especialistas, em planejamento, em mineração de dados). O modelo original que representa esta área é denominado rede Bayesiana, onde um grafo direcionado acíclico é utilizado para representar uma distribuição de probabilidades. A partir deste modelo, foram propostas generalizações com transições temporais (redes Bayesianas dinâmicas) e com imprecisões em valores de probabilidade (redes credais). Atualmente existem algoritmos exatos e aproximados para esses modelos. Este trabalho pretende combinar métodos exatos e métodos aproximados, obtendo algoritmos que possam avançar o estado-da-arte na manipulação de modelos estatísticos baseados em grafos. (AU)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

IDE, Jaime Shinsuke. Algoritmos para inferência aproximada em redes credais com variáveis binárias.. 2005. Tese de Doutorado - Universidade de São Paulo (USP). Escola Politécnica (EP/BC) São Paulo.