Definição das probabilidades condicionais de redes bayesianas baseadas em nós ranqueados.

• Ano de defesa: 2016
• Autor(a) principal: SILVA, Raissa Matias da.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO; UFCG
• Palavras-chave em Português: Redes Bayesianas.; Tabela de Probabilidade Condicional.; Processo de Desenvolvimento de Software.; Sistema Especialista.; Ciência da Computação.; Engenharia de Software.
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/284

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 permitiuidentificar as vantagens e as desvantagens de cada método, dependendo do tempo deprocessamento, disponibilidade de memória e a quantidade denós pais da RB. Ao usaralguma das soluções apresentadas, um praticante pode definir com maior precisão as TPCsem entender o conceito de nós ranqueados.