Abstract de nuestro grupo en 1999/UTAI Research Group Abstracts in 1999


Abducción Parcial en Redes Bayesianas mediante Algoritmos Genéticos: Operadores Genéticos Específicos al Problema
BY L.M. de Campos, J.A. Gámez, S. Moral.

Actas de la VIII Conferencia de la Asociación Española Para la Inteligencia Artificial, CAEPIA'99, Volumen I, (Apartado de Razonamiento), pp. 54-61. Murcia, 1999.

La inferencia abductiva en redes Bayesianas consiste en generar las K explicaciones (configuraciones) más probables para una evidencia observada. Cuando estamos interesados en encontrar la mejor explicación (configuración) únicamente para un subconjunto de las variables no observadas, el problema se conoce como abducción parcial. Dado que la resolución de ambos tipos de abducción mediante algoritmos exactos es un problema NP-duro, se hace necesario el uso de algoritmos aproximados; y al ser la abducción en redes bayesianas un problema de optimización combinatoria, los algoritmos genéticos aparecen como una buena opción. En este trabajo se describen operadores genéticos (cruce y mutación) específicos para este problema, ya que actúan a nivel de la estructura sobre la que se realizará la evaluación (propagación probabilística) de los individuos. El algoritmo es comparado con el presentado en [de Campos et al, 1999] (que usa operadores genéticos cl´sicos a nivel de cromosoma) y evaluado usando la red alarm.


Partial abductive inference in Bayesian belief networks using a genetic algorithm. Pattern Recognition Letters
BY L.M. de Campos, J.A. Gámez, S. Moral

Pattern Recognition Letters, Vol. 20, pp. 1211-1217. Elsevier, 1999.

Abductive inference in Bayesian belief networks is intended as the process of generating the $K$ most probable configurations given an observed evidence. When we are only interested in a subset of the network's variables, this problem is called partial abductive inference. Both problems are NP-hard, and so exact computation is not always possible. This paper describes an approximate method based on genetic algorithms to perform partial abductive inference. We have tested the algorithm using the alarm network, and from the experimental results we can conclude that the algorithm presented here is a good tool to perform this kind of probabilistic reasoning.


A Review of Propagation Algorithms for Imprecise Probabilities
BY A. Cano and S. Moral

Proceedings of the First International Symposium on Imprecise Probabilities an Their Applications, pag 51-60 (ISIPTA99, Ghent, June 1999), 1999.

This paper reviews algorithms for local computation with imprecise probabilities. These algorithms try to solve problems of inference (calculation of conditional or unconditional probabilities) in cases in which there are a large number of variables. There are two main types depending on the nature of assumed independence relationships in each case. In both of them the global knowledge is composed of several pieces of local information. The objective is to carry out a sound global computation but mainly using the initial local representation.



Ir Atrás         Página DECSAI
Go back          Home DECSAI