Aprendizaje de estructuras de independencia de modelos probabilísticos gráficos

Nuestra investigación se enmarca en el problema del aprendizaje, a partir de datos, de estructuras de independencia de modelos probabilísticos gráficos. Es de especial interés el aprendizaje automatizado de estos modelos a partir de datos, debido principalmente a la presencia cada vez más ubicua de...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Bromberg, Facundo, Schlüter, Federico
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2009
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/19703
Aporte de:
id I19-R120-10915-19703
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Intelligent agents
Machine Learning
Probabilistic Graphical Models
Independence-based Structure Learning
Probabilistic Reasoning
spellingShingle Ciencias Informáticas
Intelligent agents
Machine Learning
Probabilistic Graphical Models
Independence-based Structure Learning
Probabilistic Reasoning
Bromberg, Facundo
Schlüter, Federico
Aprendizaje de estructuras de independencia de modelos probabilísticos gráficos
topic_facet Ciencias Informáticas
Intelligent agents
Machine Learning
Probabilistic Graphical Models
Independence-based Structure Learning
Probabilistic Reasoning
description Nuestra investigación se enmarca en el problema del aprendizaje, a partir de datos, de estructuras de independencia de modelos probabilísticos gráficos. Es de especial interés el aprendizaje automatizado de estos modelos a partir de datos, debido principalmente a la presencia cada vez más ubicua de datos digitales. El campo del aprendizaje de máquinas en general, y en particular los miembros de nuestro laboratorio, se han concentrado en el aprendizaje del grafo que representa la estructura de independencias de estos modelos. Durante su tésis doctoral el Dr Bromberg (Bromberg 2007) se ha concentrado en el diseño de algoritmos de aprendizaje de estructuras que utilizan un enfoque basado en independencias (Spirtes et. al. 2000), en contraste con los algoritmos basados en puntaje (Lam and Bacchus 1994, Heckerman 1995). Estos últimos recurren a técnicas para aprendizaje de modelos mas establecidas en la estadística como ser por ejemplo la maximización de la verosimilitud (probabilidad del los datos dado el modelo). El enfoque basado en independencias, en cambio, utiliza un enfoque mas directo para aprender la estructura de independencias del modelo, realizando tests estadísticos de independencia entre las variables aleatorias del sistema. Durante su estadía en Iowa State University, y durante el pasado año ya en UTN-FRM, el Dr. Bromberg ha contribuido con varios algoritmos para el aprendizaje de estructuras de modelos Markovianos con el objetivo de reducir la cantidad de tests estadísticos necesarios durante su ejecución. Recientemente el laboratorio se ha enfocado en un problema más exigente y más importante, el diseño de algoritmos que ante la misma entrada de datos, produzcan modelos de mejor calidad. Estos algoritmos son aplicables tanto a redes Markovianas como Bayesianas.
format Objeto de conferencia
Objeto de conferencia
author Bromberg, Facundo
Schlüter, Federico
author_facet Bromberg, Facundo
Schlüter, Federico
author_sort Bromberg, Facundo
title Aprendizaje de estructuras de independencia de modelos probabilísticos gráficos
title_short Aprendizaje de estructuras de independencia de modelos probabilísticos gráficos
title_full Aprendizaje de estructuras de independencia de modelos probabilísticos gráficos
title_fullStr Aprendizaje de estructuras de independencia de modelos probabilísticos gráficos
title_full_unstemmed Aprendizaje de estructuras de independencia de modelos probabilísticos gráficos
title_sort aprendizaje de estructuras de independencia de modelos probabilísticos gráficos
publishDate 2009
url http://sedici.unlp.edu.ar/handle/10915/19703
work_keys_str_mv AT brombergfacundo aprendizajedeestructurasdeindependenciademodelosprobabilisticosgraficos
AT schluterfederico aprendizajedeestructurasdeindependenciademodelosprobabilisticosgraficos
bdutipo_str Repositorios
_version_ 1764820464587243524