Algoritmos para inferência aproximada em redes credais com variáveis binárias.

• Autor(a) principal: Ide, Jaime Shinsuke
• Data de Publicação: 2005
• Tipo de documento: Tese
• 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-22012024-092457/
• topic: Algorithms; Algoritmos; Bayesian Inference and Belief Networks; Inferência bayesiana e redes de crença

Modelos baseados em grafos associados a distribuições de probabilidade são amplamente empregados em diversas áreas. Redes Bayesianas são os modelos probabilísticos baseados em grafos mais populares na literatura. Uma das dificuldades encontradas no uso de redes Bayesianas ocorre nas situações em que há falta de dados, crenças incompletas, ou divergência entre opiniões de especialistas. Nestas circunstâncias, incerteza pode ser representada por conjuntos de medidas de probabilidade, denominado conjuntos credais. A associação de conjuntos credais com um grafo acíclico direcionado recebe o nome de rede credal. Nesta tese, três novos algoritmos para inferência aproximada em redes credais binárias são propostos: Loopy 2U (L2U), Iterated Partial Evaluation (IPE) e Structured Variational 2U (SV2U). O primeiro deles, algoritmo L2U, é uma extensão do algoritmo de propagação de crenças em ciclos (Loop Belief Propagation). O segundo, algoritmo IPE, é inspirado na técnica de avaliação parcial localizada (Localized partial Evaluation) empregada em redes Bayesianas. O terceiro, algoritmo SV2U, implementa técnicas variacionais; para tanto, são formuladas as aproximações de campo médio em redes credais, na sua forma primitiva (totalmente fatorada) e estruturada (estrutura de árvore). Os algoritmos foram implementados e estão disponíveis no software 2UBayes. Experimentos foram realizados e uma análise comparativa entre os algoritmos foi feita. Resultados Obtidos mostraram que aproximações precisas são obtidas com menos esforço computacional que demais algoritmos existentes.