Inteligencia Artificial Redes bayesianas
- 1. Inteligencia Artificial Redes Bayesianas Utilización y Aplicación Universidad Mariano Gálvez de Guatemala
- 2. Integrantes • Elliot Omar Pivaral Gordillo | 092-08-4455 • André Salvador Bolaños Aldana | 092-09-4308 • Héctor Estuardo Martínez Cano | 092-12-5125 • Jose Sstivanni Ruiz Orellana | 092-09-4587 • Tomas Eduardo Lapoyeu Lopez | 092-03-6547 • Miguel Angel Menxhu Xoyon | 092-12-5328 • Edgar Lucas Gomez | 092-10-4228
- 3. Historia sobre el Teorema de Bayes El teorema de Bayes, es una proposición planteada por el matemático inglés Thomas Bayes en 1763, que expresa la probabilidad condicional de un evento aleatorio A dado B en términos de la distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad marginal de sólo A. Thomas Bayes (1702-1761)
- 4. Historia sobre Redes Bayesianas Judea Pearl Se le atribuye la invención de las Redes Bayesianas , un formalismo matemático para definir modelos de probabilidad complejas. Este trabajo no sólo revolucionó el campo de la Inteligencia Artificial, sino también se convirtió en una herramienta importante para muchas otras ramas de la ingeniería y las ciencias naturales. Judea Pearl 4 de Septiembre 1936
- 5. Modelo • Simplificación del mundo para explicarlo de forma sencilla. • No tiene en cuenta todas las variables e interacciones, solo las mas significativas • Los modelos pueden presentar errores, pero son útiles para tratar con problemas.
- 6. Modelo Probabilístico A partir de unas evidencias (variables aleatorias observables) permite realizar razonamientos sobre variables desconocidas (variables aleatorias ocultas). Ejemplos: • Diagnósticos. • Predicciones. • Toma de Decisiones.
- 7. Que son las Redes Bayesianas? Es un grafo acíclico dirigido que describe la distribución de probabilidad conjunta que gobierna un conjunto de variables aleatorias. Los nodos pueden representar cualquier tipo de variable, ya sea un parámetro medible, una variable latente o una hipótesis. Las redes bayesianas son sistemas expertos que representan el conocimiento incierto mediante probabilidades.
- 8. Redes Bayesianas • Hallazgo: determinación del valor de una variable, a partir de un dato (una observación, una medida...) • Evidencia: conjunto de todos los hallazgos disponibles en un determinado momento • Probabilidad a priori: es la probabilidad de una variable o subconjunto de variables cuando no hay ningún hallazgo. Coincide con la probabilidad marginal P(x) • Probabilidad a posteriori: es la probabilidad de una variable o subconjunto de variables dada la evidencia e. Se trata de la probabilidad condicional P(x|e)
- 9. Aprendizaje de estructuras El aprendizaje automático de la estructura gráfica de una red bayesiana es un reto dentro del aprendizaje de máquina. La idea básica se remonta a un algoritmo de recuperación desarrollado por Rebane y Pearl (1987)4 y se basa en la distinción entre los tres tipos posibles de triplos adyacentes permitidos en un gráfico acíclico dirigido (DAG):
- 10. Redes bayesianas dinámicas Estas se modificando a lo largo del tiempo. De esta forma se tiene una red bayesiana que en cada instante de tiempo recibe información del instante anterior ademá de las variables observables. En principio, representan el estado de las variables en un cierto momento en el tiempo
- 12. Casos de Uso y Aplicación de redes Bayesianas • Vuelo Air France Flight 447 • Diagnósticos Médicos • AI Juego de Ajedrez • Hipótesis Científicas • Motores de Búsqueda • Bolsa de Valores • Pronostico de Clima • etc https://blogs.scientificamerican.com/cross-check/bayes-s-theorem-what-s-the-big-deal/ https://betterexplained.com/articles/an-intuitive-and-short-explanation-of-bayes-theorem/
- 13. Empresas que utilizan Redes Bayesianas Search Engine
- 14. Sistemas Expertos | Redes Bayesianas IA El Motor de Inferencia: • La Inferencia permite deducir nuevo conocimiento a partir de conocimiento que se sabe que es cierto. • Usa la Base de Hechos y el Conocimiento Base para obtener nuevas conclusiones o hechos. • Existen diferentes reglas de inferencia (Modus Ponens, Modus Tollens) y diferentes estrategias de inferencia (Encadenamiento de reglas hacia delante y hacia atrás).
- 15. Motor de Inferencia Aplicado IA Redes Bayesianas
- 16. Robótica aplicando Teoría Bayesiana