Inferência probabilística em sistemas com restrições de tempo e memória.

Detalhes bibliográficos
Autor(a) principal: Ramos, Fabio Tozeto
Data de Publicação: 2003
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3132/tde-04012024-162828/
Resumo: Um dos maiores desafios que os sistemas de Inteligência Artificial têm de enfrentar atualmente é como possibilitar que grandes e complexos modelos de representação do conhecimento possam ser embarcados em dispositivos computacionais com recursos limitados. No presente trabalho este problema é tratado no contexto de modelos probabilísticos em Inteligência Artificial, mais precisamente, redes Bayesianas. Um novo algoritmo, capaz de produzir inferências sob várias restrições de tempo e espaço, é proposto e testado. Caracterizando-se por sua adaptabilidade e pela utilização de métodos de condicionamento, o algoritmo recebe o nome de condicionamento adaptativo. As diversas técnicas empregadas, assim como a possibilidade de produzir inferências associando vários algoritmos diferentes sob sua supervisão, tornam este algoritmo flexível e apto a ser utilizado em sistemas embarcados ou equipamentos com recursos limitados. Resultados experimentais com redes de grande porte são apresentados em gráficos de três dimensões (Qualidade da resposta x Memória x Tempo), indicando seu desempenho com redes reais.
id USP_521ab7006e67951354745f8e7b71a2cd
oai_identifier_str oai:teses.usp.br:tde-04012024-162828
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Inferência probabilística em sistemas com restrições de tempo e memória.Untitled in englishArtificial intelligenceInferenceInferênciaInteligência artificialProbabilidadeProbabilityUm dos maiores desafios que os sistemas de Inteligência Artificial têm de enfrentar atualmente é como possibilitar que grandes e complexos modelos de representação do conhecimento possam ser embarcados em dispositivos computacionais com recursos limitados. No presente trabalho este problema é tratado no contexto de modelos probabilísticos em Inteligência Artificial, mais precisamente, redes Bayesianas. Um novo algoritmo, capaz de produzir inferências sob várias restrições de tempo e espaço, é proposto e testado. Caracterizando-se por sua adaptabilidade e pela utilização de métodos de condicionamento, o algoritmo recebe o nome de condicionamento adaptativo. As diversas técnicas empregadas, assim como a possibilidade de produzir inferências associando vários algoritmos diferentes sob sua supervisão, tornam este algoritmo flexível e apto a ser utilizado em sistemas embarcados ou equipamentos com recursos limitados. Resultados experimentais com redes de grande porte são apresentados em gráficos de três dimensões (Qualidade da resposta x Memória x Tempo), indicando seu desempenho com redes reais.One of the biggest challenges that artificial intelligence systems have to cope with today is how to enable large and complex knowledge representation to operate in embedded systems with bounded resources, such as real-time devices. This work is focused on probabilistic models in artificial intelligence, more precisely, Bayesian networks. A new algorithm, able to yield inferences under both time and memory constraints, is presented and tested. Displaying flexibility and adaptability as its fundamental features, the algorithm named Adaptive Conditioning uses conditioning methods mixed with search-based and cache methods to compute probabilistic inferences. Besides, it can also combine different algorithms under its supervision for the same inference. These features allow adaptive conditioning to be used in embedded systems or in devices with bounded resources in general. Experimental results with demanding networks are presented in three-dimensional graphs (Answer quality x Memory x Time), indicating the algorithm\'s performance in real applications.Biblioteca Digitais de Teses e Dissertações da USPCozman, Fabio GagliardiRamos, Fabio Tozeto2003-06-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3132/tde-04012024-162828/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-01-04T18:34:02Zoai:teses.usp.br:tde-04012024-162828Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-01-04T18:34:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Inferência probabilística em sistemas com restrições de tempo e memória.
Untitled in english
title Inferência probabilística em sistemas com restrições de tempo e memória.
spellingShingle Inferência probabilística em sistemas com restrições de tempo e memória.
Ramos, Fabio Tozeto
Artificial intelligence
Inference
Inferência
Inteligência artificial
Probabilidade
Probability
title_short Inferência probabilística em sistemas com restrições de tempo e memória.
title_full Inferência probabilística em sistemas com restrições de tempo e memória.
title_fullStr Inferência probabilística em sistemas com restrições de tempo e memória.
title_full_unstemmed Inferência probabilística em sistemas com restrições de tempo e memória.
title_sort Inferência probabilística em sistemas com restrições de tempo e memória.
author Ramos, Fabio Tozeto
author_facet Ramos, Fabio Tozeto
author_role author
dc.contributor.none.fl_str_mv Cozman, Fabio Gagliardi
dc.contributor.author.fl_str_mv Ramos, Fabio Tozeto
dc.subject.por.fl_str_mv Artificial intelligence
Inference
Inferência
Inteligência artificial
Probabilidade
Probability
topic Artificial intelligence
Inference
Inferência
Inteligência artificial
Probabilidade
Probability
description Um dos maiores desafios que os sistemas de Inteligência Artificial têm de enfrentar atualmente é como possibilitar que grandes e complexos modelos de representação do conhecimento possam ser embarcados em dispositivos computacionais com recursos limitados. No presente trabalho este problema é tratado no contexto de modelos probabilísticos em Inteligência Artificial, mais precisamente, redes Bayesianas. Um novo algoritmo, capaz de produzir inferências sob várias restrições de tempo e espaço, é proposto e testado. Caracterizando-se por sua adaptabilidade e pela utilização de métodos de condicionamento, o algoritmo recebe o nome de condicionamento adaptativo. As diversas técnicas empregadas, assim como a possibilidade de produzir inferências associando vários algoritmos diferentes sob sua supervisão, tornam este algoritmo flexível e apto a ser utilizado em sistemas embarcados ou equipamentos com recursos limitados. Resultados experimentais com redes de grande porte são apresentados em gráficos de três dimensões (Qualidade da resposta x Memória x Tempo), indicando seu desempenho com redes reais.
publishDate 2003
dc.date.none.fl_str_mv 2003-06-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3132/tde-04012024-162828/
url https://www.teses.usp.br/teses/disponiveis/3/3132/tde-04012024-162828/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256647660994560

Registros relacionados