Redes Bayesianas

More documents

Recommendations

Info

10. Conclusiones • Redes Bayesianas paradigma modelizador de dominios con incertidumbre intrínseca • Razonamiento probabilista • Aprendizaje de redes Bayesianas a partir de bases de datos • Nueva herramienta de computación evolutiva: aprendizaje y simulación de redes Bayesianas en cada generación Redes Bayesianas – p.84/91
Referencias • P. Larrañaga, C. Kuijpers, R. Murga, Y. Yurramendi (1996) Learning Bayesian network structures by searching for the best ordering with genetic algorithms. IEEE Transactions on System, Man and Cybernetics, Vol 26. No. 4, 487-493 • P. Larrañaga, M. Poza, Y. Yurramendi, R. Murga, C. Kuijpers (1996) Structure learning of Bayesian networks by genetic algorithms: A performance analysis of control parameters. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 18. No. 9, 912-926 • P. Larrañaga, C. Kuijpers, M. Poza, R. Murga (1997) Decomposing Bayesian networks by genetic algorithms. Statistics and Computing, Vol. 7. No. 1, 19-34 • R. Etxeberria, P. Larrañaga, J.M. Pikaza (1997) Analysis of the behaviour of the genetic algorithms when searching Bayesian networks from data. Pattern Recognition Letters, Vol. 18, No. 11-13, 1269-1273 • B. Sierra, P. Larrañaga (1998) Predicting the survival in malignant skin melanoma using Bayesian networks automatically induced by genetic algorithms. An empirical comparision between different approaches. Artificial Intelligence in Medicine, Vol. 14. No. 1-2, 215-230 Redes Bayesianas – p.85/91
Page 1 and 2:
Redes Bayesianas Pedro Larrañaga D
Page 3 and 4:
1. Introducción • Limitación de
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 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 69 and 70: QPNO YX R WR T S h m i g e QPNO XW
Page 77 and 78: 9. Selección de variables en micro
Page 83: 9. Selección de variables en micro
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?