Um método para implementar redes bayesianas baseadas em nós ranqueados
Recentemente, redes Bayesianas estão se tornando populares para auxiliar na tomada de decisões. No entanto, ainda há desafios para sua aplicação prática em problemas de larga escala. Um dos desafios referese à definição das funções de probabilidade. Na literatura, utiliza-se o conceito de nós ranque...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Instituto Federal de Educação, Ciência e Tecnologia da Paraíba
2017-06-01
|
| Series: | Revista Principia |
| Online Access: | https://periodicos.ifpb.edu.br/index.php/principia/article/view/606 |
| Summary: | Recentemente, redes Bayesianas estão se tornando populares para auxiliar na tomada de decisões. No entanto, ainda há desafios para sua aplicação prática em problemas de larga escala. Um dos desafios referese à definição das funções de probabilidade. Na literatura, utiliza-se o conceito de nós ranqueados baseado em distribuição Normal truncada para simplificar a definição de funções de probabilidade a partir do conhecimento de especialistas. Por outro lado, na literatura, não há detalhes de uma solução completa para nós ranqueados. Atualmente, esta solução está disponível apenas em uma ferramenta comercial. A contribuição principal deste trabalho refere-se à demonstração detalhada de um método para definição de funções de probabilidade para nós ranqueados, apresentando os passos necessários para misturar distribuições Normais truncadas e converter a distribuição resultante para uma tabela de probabilidade dos nós. Para validação, os resultados da nossa solução foram comparados com a solução disponível no mercado, sendo equivalentes, dentro de uma margem de erro de 5%. De acordo com os testes realizados, a solução proposta alcançou performance melhor que a solução comercial existente. |
|---|---|
| ISSN: | 1517-0306 2447-9187 |