Tesis de máster
Iñigo Bermejo Delgado.
Modelos Gráficos Probabilitistas para Ajuste de Sistemas.
Dpto. Inteligencia Artificial. UNED, Madrid, 2012.
Tutor: Francisco Javier Díez Vegas.
61 páginas. PDF (892 KB), cita tipo BibTeX.
Resumen
Los Modelos Gráficos Probabilistas (MGPs) han sido alabados por su naturaleza declarativa y su capacidad de razonamiento complejo con incertidumbre, pero cuando son aplicadas a problemas complejos de la vida real el modelo resultante es excesivamente grande y altamente interconectado. Esto suele acarrear dos grandes problemas: primero, la construcción y mantenimiento del modelo se convierte en una tarea costosa y tediosa. Y segunda, el coste computacional de la inferencia se dispara cuando el número de enlaces en el modelo crece. Por lo tanto es necesario crear herramientas que alivien los problemas que surgen cuando trabajamos con MGPs de tamaño considerable. En esta Tesis de Máster hemos propuesto e implementado métodos y técnicas que ayudarán a los ingenieros del conocimiento en el proceso de creación y mantenimiento de grandes MGPs.
Además, describimos la aplicación de los MGPs al problema del ajuste de parámetros en implantes cocleares. Los nuevos conceptos y algoritmos que hemos desarrollado, si bien han sido inspirados por la construcción del modelo mencionado, son aplicables en otros muchos casos, como por ejemplo la regulación de sistemas con parámetros ajustables.