Método para construir redes bayesianas
DOI:
https://doi.org/10.17533/udea.redin.325835Resumen
En el presente trabajo se modelan las relaciones probabilísticas usando las redes bayesianas. La bibliografía consultada muestra que la tendencia actual de las investigaciones en esta técnica se orienta a utilizarlas unidas a otras disciplinas y que también es importante la forma en que se modela una red bayesiana. Se propone un método que utiliza la técnica de segmentación estadística, implementada en el paquete de programas CHAID (Chi-Squared Automatic lnteraction Detector) y métodos estadísticos incorporados al SPSS (Statictical Package for Social Science) para obtener modelos de redes bayesianas. Se aplicó el método a un problema de epidemiología para caracterizar los distintos factores de la cardiopatía izquémica, específicamente el infarto de miocardio agudo (IMA). Tambien se aplicó para determinar la influencia de distintas alteraciones orofaciales en la aparición de la retignosis pigmentaria. El método que se propone permite que los expertos en el tema participen en la elección de la mejor topología para la red bayesiana, entre varias alternativas. Para realizar la inferencia en estas redes, se implementó una primera versión del algoritmo de propagación en redes con una estructura de poliárbol.Descargas
Citas
[AHA96] AHA DAVID W., CHANG LI WU. "Cooperative Bayesian and Cased-Based Reasoning for Solving Multiagent Planning Taskes", Novy Center for Applied Research AI, Enero, 1996.
[AND89] ANDERSEN. S.K. OLESEN. K.G .. JENSEN. F.V., AND JEUMEN, F. HUGIN-a Shell for bilding Bayesian belief universes for expert systems. In proceeding of the eleventh lnternational Joint Conference on Al, Vol. 2, pages 1080-1085, detroit Michigan. Margan Kaufman, 1989.
[BRE92] BREESE JHON S., "Construction of belief and Decision networks". Computational lntelligence. Vol. 8. No. 4, 1992. DOI: https://doi.org/10.1111/j.1467-8640.1992.tb00382.x
[BRE95] BREESE JHON S.. HECKERMAN D. "Decision-Theoretic Case-Based Reasoning". IEEE. Vol. 26. No. 6. Nov. 1995. DOI: https://doi.org/10.1109/3468.541343
[BUC84] BUCHANAN B. G .. SHORTLIFFE E. H. Rule Based Expert Systems: Thc MYCIN Experiments of the Stanfurd Heuristic Programming Projet. Adison-Wesley. Reading. MA. 1984
[CAS89] CASTILLO ENRIQUE. ÁLVAREZ E. "Sistemas Expertos, Aprendizaje e Incertidumbre". 1994.
[CAS96] CASTILLO ENRIQUE. GUTIÉRREZ J. MANUEL. HADI ALI S. "Expert Systems and Probabilistics Network Models", 1996. DOI: https://doi.org/10.1007/978-1-4612-2270-5
[CHA94] "CHAID para SPSS sobre Windows. Técnicas de segmentación basadas en razones de verosimilitud Chicuadrado", Manual de usuario, SPSS Soft. lnc. 1994.
[DUD80] DUDA R. O., HART P.E. Model Design in the PROSPECTOR Consultant System for Mineral Exploration. In Michie, D .. editor, Expert System in the Microelectronic Age. Edinburgh University Press, 153-167. 1980
[ETX98] ETXEBERRIA. R .. LARRANAGA P .. PICAZA J. M. "Analysis of the behaviour of genetic algorithms when learning Bayesian network structure from data". Pattem Recognition Len. Vol. 18. 11-13.1998. DOI: https://doi.org/10.1016/S0167-8655(97)00106-2
[EWA91] EDWARDS JOHN S. "Building Knowledge-Base Systems". 1991.
[FRE87] FREZNEL LOUIS E. "Crash Course in Artificial Intelligence and Expert System". Indianapolis. IN: Howard W. Sams, 1987.
[FER93] FERTING K. W., BREESE J. S. "Probability lntervals Over lnfluence Diagrams". IEEE Vol. 15. No. 3, Marzo 1993. DOI: https://doi.org/10.1109/34.204910
[FUN95] FUNG ROBERT, DEL FA VERO B. "Applying Bayesian Networks to Information Retrieval", ACM. Vol. 38. No. 3. Marzo 1995. DOI: https://doi.org/10.1145/203330.203340
[GAR90] GARCÍA LUCIANO. ''Probabilidad e Inteligencia Artificial".
[HEC91] HECKERMAN DAVID. Probabilislic Similarity Networks. MIT Prcss, Cabridge, Massachusctts, 1991.
[HEC95] HECKERMAN DAVID. BREESE J., ROMNELSE K. "Decision Theoretic : Troubleshootin". ACM. Vol. 38. No. 3. Marzo 1995. DOI: https://doi.org/10.1145/203330.203341
[JEN90] JENSEN, F.Y., LAURITZEN, S.L., AND OLESEN, K.G. Bayesian updating in causal probabilistic networks by local computations. Computational Statistics Quartely, 1990.
[JOB92] JOBSON. J. D. "Applied Multivariate Data Analysis". Vol. 11: Categorical and Multivariate Methods. Springer. New York. 1 1-54. 1992. DOI: https://doi.org/10.1007/978-1-4612-0921-8_1
[KIM83] KIM, J.H. CONVINCE: A conversational lnference Consolidation Engine. PhD Thesis Deparment of Computer Science, University of California at Los Angeles, 1983.
[LAM98] LAM W. "Bayesian network refinement via machine leaming approach". IEEE Trans Pan Anal Mach lnt. Vol. 20, No. 3, 240-251. 1998. DOI: https://doi.org/10.1109/34.667882
[MAR98] MARDIA K.V .. BACZKOWSKJ A.J .. FENG X., Hainsworth T.J. "Statistical methods for automatic interpretation or digitally sacanned finger prints". Panem Recognition Lett. Vol. 18. 11-13.1998. DOI: https://doi.org/10.1016/S0167-8655(97)00103-7
[MYL93] MYLLIMAKI P., TIRRI H. "Massively parallel case-based reasoning with probabilistic similarity metrics ". Proceedings of the First European Workshop on Case-Based Reasoning. 145-154, 1993. DOI: https://doi.org/10.1007/3-540-58330-0_83
[PEA88] PEARL J. "Probabilistic Reasoning in lntelligent System". San Mateo. CA: Morgan Kaufman. 1988.
[REG93] REGAZZONI C.S .. MURINO V .. VERNAZZA G. "Distributed propagation of a priori constraints in Bayesian Network of Markov random fields". IEEE Vol. 40. No. 1. Febrero 1993. DOI: https://doi.org/10.1049/ip-i-2.1993.0008
[SHO86] SHORTLIFFE, E. H. Computer-Based Medical Consultarions: MYCIN. Elsevier North-Holland, amsterdam, London, New York, 1986.
[SMY98] SMYTH P. "Belief networks, hidden Markovs models. and Markov random fields: A unifying view". Pattem Recognition Leu. Vol. 18, 11-13.1998. DOI: https://doi.org/10.1016/S0167-8655(97)01050-7
[SPI86] SPIGELHALTER, D., DAVID,P., LAURJTZEN, S., AND COWEEL, R. Bayesian analysis in expert systems. Statistical Science, 1993.
[STU96] STUART RUSELL. NAVING P. "Inteligencia Artificial: Un enfoque Moderno". 1996.
[WIL98] WILLIAMS W. L., WILSON. R. C.. HANCOCKE. R. "Multiple graph matching with Bayesian inference". Pattem Recognition Lell. Vol 38, 11-13, 1998. DOI: https://doi.org/10.1016/S0167-8655(97)00117-7
[ZAM97] ZAMORA L .. "Tesis de Maestria". 1997.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter