Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.

Detalhes bibliográficos
Autor(a) principal: Colla, Ernesto Coutinho
Data de Publicação: 2007
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-122220/
Resumo: O objetivo deste trabalho foi desenvolver uma aplicação computacional que demonstre como técnicas de álgebra linear computacional aplicadas a fatoração de matrizes esparsas podem ser utilizadas para construir um algoritmo eficiente e paralelizável para inferência em redes bayesianas. Para atingir este objetivo o algoritmo implementado separa o processo de inferência em duas fases, a primeira fase simbólica e uma segunda fase numérica. Como será demonstrado, o processamento numérico da segunda fase pode ser otimizado e paralelizado utilizando estruturas de dados estáticas previamente alocadas e definidas na primeira fase. Esta separação viabilizou-se pela análise de algoritmos de fatoração de matrizes esparsas e algoritmos para inferência em redes bayesianas a partir de um arcabouço combinatório unificado. as estruturas combinatórias geradas na fase simbólica e comum aos dois processos são a chave para a implementação computacionalmente eficiente de um algoritmo capaz de lidar com grandes modelos.
id USP_9d880c0d4989da8ebee1a3b2a764a898
oai_identifier_str oai:teses.usp.br:tde-20220712-122220
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.not availableInteligência ArtificialReconhecimento De PadrõesO objetivo deste trabalho foi desenvolver uma aplicação computacional que demonstre como técnicas de álgebra linear computacional aplicadas a fatoração de matrizes esparsas podem ser utilizadas para construir um algoritmo eficiente e paralelizável para inferência em redes bayesianas. Para atingir este objetivo o algoritmo implementado separa o processo de inferência em duas fases, a primeira fase simbólica e uma segunda fase numérica. Como será demonstrado, o processamento numérico da segunda fase pode ser otimizado e paralelizado utilizando estruturas de dados estáticas previamente alocadas e definidas na primeira fase. Esta separação viabilizou-se pela análise de algoritmos de fatoração de matrizes esparsas e algoritmos para inferência em redes bayesianas a partir de um arcabouço combinatório unificado. as estruturas combinatórias geradas na fase simbólica e comum aos dois processos são a chave para a implementação computacionalmente eficiente de um algoritmo capaz de lidar com grandes modelos.not availableBiblioteca Digitais de Teses e Dissertações da USPStern, Julio MichaelColla, Ernesto Coutinho2007-12-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-122220/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/openAccesspor2022-07-13T19:32:27Zoai:teses.usp.br:tde-20220712-122220Biblioteca 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:27212022-07-13T19:32:27Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.
not available
title Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.
spellingShingle Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.
Colla, Ernesto Coutinho
Inteligência Artificial
Reconhecimento De Padrões
title_short Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.
title_full Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.
title_fullStr Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.
title_full_unstemmed Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.
title_sort Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas.
author Colla, Ernesto Coutinho
author_facet Colla, Ernesto Coutinho
author_role author
dc.contributor.none.fl_str_mv Stern, Julio Michael
dc.contributor.author.fl_str_mv Colla, Ernesto Coutinho
dc.subject.por.fl_str_mv Inteligência Artificial
Reconhecimento De Padrões
topic Inteligência Artificial
Reconhecimento De Padrões
description O objetivo deste trabalho foi desenvolver uma aplicação computacional que demonstre como técnicas de álgebra linear computacional aplicadas a fatoração de matrizes esparsas podem ser utilizadas para construir um algoritmo eficiente e paralelizável para inferência em redes bayesianas. Para atingir este objetivo o algoritmo implementado separa o processo de inferência em duas fases, a primeira fase simbólica e uma segunda fase numérica. Como será demonstrado, o processamento numérico da segunda fase pode ser otimizado e paralelizado utilizando estruturas de dados estáticas previamente alocadas e definidas na primeira fase. Esta separação viabilizou-se pela análise de algoritmos de fatoração de matrizes esparsas e algoritmos para inferência em redes bayesianas a partir de um arcabouço combinatório unificado. as estruturas combinatórias geradas na fase simbólica e comum aos dois processos são a chave para a implementação computacionalmente eficiente de um algoritmo capaz de lidar com grandes modelos.
publishDate 2007
dc.date.none.fl_str_mv 2007-12-14
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://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-122220/
url https://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-122220/
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_ 1815257216979042304

Registros relacionados