Redes Bayesianas

More documents

Recommendations

Info

Esquema de la charla • 1. Introducción • 2. Independencia condicional • 3. Factorización • 4. Propagación de la evidencia • 5. Simulación • 6. Aprendizaje estructural • 7. Aplicaciones en biomedicina • 8. Algoritmos de estimación de distribuciones • 9. Selección de genes en microarrays de ADN • 10. Conclusiones • Referencias Redes Bayesianas – p.2/91
1. Introducción • Limitación de los sistemas basados en reglas • Intuición humana, cierto paralelismo con la probabilidad • A finales de la década de los 80 se superaron las dificultades computacionales que limitaban los primitivos sistemas probabilísticos • Concepto de independencia condicional • Los modelos gráficos probabilísticos permiten construir sistemas con características de razonamiento –humano versus animal (visión, voz, movimiento, ....)– Redes Bayesianas – p.3/91
Page 1: Redes Bayesianas Pedro Larrañaga D
Page 5 and 6: 1. Introducción • Grafos acícli
Page 7 and 8: 1. Introducción • X = (X 1 , . .
Page 9 and 10: 2. Independencia condicional Distri
Page 11 and 12: 2. Independencia condicional Probab
Page 13 and 14: 2. Independencia condicional p(x|y,
Page 15 and 16: 2. Independencia condicional ¿I(X,
Page 17 and 18: 3. Factorización Factorización de
Page 19 and 20: 3. Factorización Red Bayesiana •
Page 21 and 22: ¢ ¤ ¢ ¥ ¤ + + + + 8 4 7)
Page 23 and 24: 4. Propagación de la evidencia Mé
Page 25 and 26: 6. Aprendizaje estructural • Apre
Page 27 and 28: 6. Aprendizaje estructural Score:
Page 29 and 30: 6. Aprendizaje estructural Algoritm
Page 31 and 32: 6. Aprendizaje estructural Diferent
Page 33 and 34: 6. Aprendizaje estructural Clasific
Page 45 and 46: 7.1 Introducción • Medicina domi
Page 47 and 48: 7.2 Predicción de la supervivencia
Page 49 and 50: 7.3 Multiclasificador de dos nivele
Page 51 and 52: 7.3 Multiclasificador de dos nivele
Page 53 and 54:
7.3 Multiclasificador de dos nivele
Page 55 and 56:
7.4 Clustering geográfico de la in
Page 57 and 58:
7.5 Predicción de la estructura se
Page 59 and 60:
7.5 Predicción de la estructura se
Page 61 and 62:
8. Algoritmos de estimación de dis
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
QPNO YX R WR T S h m i g e QPNO XW
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
9. Selección de variables en micro
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Referencias • P. Larrañaga, C. K
Page 87 and 88:
Referencias • B. Sierra, N. Serra
Page 89 and 90:
Referencias Información en Interne
Page 91:
Referencias Software comercial en I
show all

Redes Bayesianas

Create successful ePaper yourself

Delete template?

Save as template?