Detalhes bibliográficos
| Ano de defesa: |
2002 |
| Autor(a) principal: |
Ide, Jaime Shinsuke |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/3/3132/tde-15022024-155629/
|
Resumo: |
Redes Bayesianas são empregadas em Inteligência Artificial para representar incerteza. Não existe, na literatura atual, algoritmo que dê garantias sobre a distribuição de redes Bayesianas geradas aleatoriamente. Este trabalho apresenta novos métodos para geração aleatória de redes Bayesianas. Tais métodos podem ser empregados para se testar algoritmos de inferência e de aprendizado em redes Bayesianas, e para se obter informações sobre propriedades médias de redes Bayesianas. Este trabalho propõe novos algoritmos para geração uniforme de grafos (isto é, todo grafo tem a mesma probabilidade de ser gerado) multi-conectados e polytrees, para um número especificado de nós e de arcos. Após geração uniforme do grafo, distribuições condicionais são construídas, amostrando-se a distribuição Dirichlet. O resultado final do trabalho foi a confecção de um programa livremente distribuído para geração aleatória de redes Bayesianas, BNGenerator. A aplicação de redes Bayesianas geradas aleatoriamente para análise de métodos quasi-Monte Carlo é apresentada. |
