Candidato(a): Raissa Matias da Silva Título do Trabalho: Definição das Probabilidades Condicionais de Redes Bayesianas baseadas em Nós Ranqueados Orientador(es): Hyggo Almeida Angelo Perkusich
Data: 29/08/2016 Horário: 08:00:00 Local: Laboratório Embedded
Resumo: Um dos principais desafios na construção de uma rede Bayesiana (RB) é definir as tabelas de probabilidade condicional dos nós (TPC). Para RB de larga escala, aprender TPC por meio da elicitação de domínio do conhecimento de um especialista é inviável. Trabalhos anteriores propuseram soluções para este problema usando o conceito de nós ranqueados, no entanto, eles têm capacidade limitada de modelagem ou precisam contar com especialistas em RB parar aplicá-los, reduzindo a sua aplicabilidade. Neste trabalho, são propostos e avaliados três métodos para resolução deste problema. O primeiro utiliza um sistema especialista baseado em regras de produção. O segundo método utiliza força bruta, buscando um conjunto de todas as combinações possíveis. O terceiro método utiliza um algoritmo genético para definição de TPC por especialistas sem conhecimento específico de nós ranqueados. Para avaliar as abordagens, foi executado um experimento que permitiu identificar as vantagens e as desvantagens de cada método, dependendo do tempo de processamento, disponibilidade de memória e a quantidade de nós pais da RB. Ao usar uma das soluções apresentadas, um praticante pode definir com precisão as TPC sem entender o conceito de nós ranqueados. Banca Examinadora: (Membros Internos) Kyller Costa Gorgônio (Membros Externos) Lenardo Chaves e Silva, UERN Ana Luisa Ferreira de Medeiros, UFCG |