Aplicação de análises multivariadas em meta-raciocínio bayesiano: uma abordagem para sistemas especialistas de tempo-real.

AUTOR(ES)
DATA DE PUBLICAÇÃO

2008

RESUMO

Redes Bayesianas (RB) oferecem um método prático para o tratamento de incertezas em sistemas especialistas probabilísticos. Considerando que os problemas de atualização de crença e revisão crença em redes multiplamente conectadas são NP-Difíceis, alguns pesquisadores aplicaram processos de meta-raciocínio às inferências, para selecionar algoritmos para as tarefas. Quando possível, os métodos exatos devem ser adotados. Caso contrário, os algoritmos aproximados podem ser selecionados. Como a qualidade das inferências aproximadas varia a cada instância, os dados de entrada contêm características que afetam os desempenhos dos algoritmos. O problema de meta-raciocínio investigado está relacionado com a escolha do algoritmo para uma determinada instância de inferência, considerando restrições temporais. Para realizar meta-raciocínio, essa Tese propõe um método de caracterização da RB e associação conjunta dessas características, aplicando análises multivariadas. Os modelos são utilizados para a predição da probabilidade de que um algoritmo exato possa ser adotado em uma instância específica ou para a escolha do algoritmo aproximado com a melhor qualidade dos resultados. Análises experimentais comparam algumas abordagens alternativas, tais como análise de regressão simples, curvas de utilidade e técnicas de aprendizagem de máquina, mostrando resultados superiores quando análises multivariadas são aplicadas no processo de meta-raciocínio.

ASSUNTO(S)

mecanismos inferências operação em tempo real redes bayesianas sistemas especialistas raciocínio baseado em modelo análise estatística multivariada inteligência artificial

ACESSO AO ARTIGO

Documentos Relacionados