Aprendizado de Redes Bayesianas : Além da precisão na tarefa de classificação

ISBN-13: 9783639689112 / Portugalski / Miękka / 2014 / 144 str.

Edimilson Batista dos Santos; Nelson F. F. Ebecken; Estevam R. H. Júnior

Opis

O desenvolvimento de métodos automáticos para aprender estruturas de uma Rede Bayesiana (RB) diretamente a partir de dados é um problema relevante e considerado uma tarefa difícil, porque o número de estruturas possíveis cresce exponencialmente de acordo com o número de variáveis. Geralmente, para reduzir o espaço de busca, algumas restrições podem ser impostas durante o processo de indução da RB. Uma restrição possível é a definição de uma ordenação das variáveis. Definir uma ordenação adequada das variáveis é, contudo, um problema complexo a ser executado. Trabalhos anteriores, na literatura, sugerem o uso de Algoritmos Evolucionários para encontrar uma ordenação de variáveis adequada ao aprendizado de estruturas de RB. No entanto, algoritmos evolucionários podem ser computacionalmente custosos. Para os casos onde a busca por uma ordenação de variáveis é adequada, este trabalho apresenta dois novos operadores genéticos e um novo algoritmo adaptativo híbrido que busca tal ordenação. Para os casos onde uma ordenação não é indicada, são definidos dois métodos de indução de classificadores Bayesianos: DMBC e A-DMBC. Os resultados mostram que os métodos propostos são promissores.

O autorze

Graduação em Ciência da Computação pela Universidade Federal de Lavras/MG. Mestrado em Ciência da Computação pela Universidade Federal de São Carlos/SP. Doutorado em Sistemas Computacionais de Alto Desempenho pela Universidade Federal do Rio de Janeiro (PEC/COPPE/UFRJ). Professor na Universidade Federal de São João del-Rei - UFSJ/MG.