Um método para implementar redes bayesianas baseadas em nós ranqueados
DOI:
https://doi.org/10.18265/1517-03062015v1n35p11-21Palavras-chave:
Distribuição Normal truncada, Modelo probabilístico, Nós ranqueados, Rede bayesiana, Tabela de probabilidade dos nósResumo
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 refere-se 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.Downloads
Referências
DE MELO, A. C. V.; SANCHEZ, A. J. Software maintenance project delays prediction using Bayesian Networks. Expert Systems with Applications: An International Journal, v. 34, n. 2, p. 908-919, 2008.
DÍEZ, F. J. Parameter adjustment in Bayes networks: the generalized noisy or-gate. In: NINTH CONFERENCE ON UNCERTAINTY IN ARTIFICIAL INTELLIGENCE. Proceedings... D. Heckerman and A. Mamdani, eds, p. 99-105, Washington D.C, 1993.
FENTON, N. et al. Making Resource Decisions for Software Projects, In: SOFTWARE ENGINEERING, 2004., Proceedings... 26., INTERNATIONAL CONFERENCE ON (ICSE2004). IEEE , 2004, p. 397-406.
FENTON, N.; NEIL, M. Risk Assessment and Decision Analysis with Bayesian Networks. Florida: CRC Press, 2012.
FENTON, N.; NEIL, M.; CABALLERO J. Using Ranked Nodes to Model Qualitative Judgements in Bayesian Networks. IEEE Transactions on Knowledge and Data Engineering, v. 19, n. 10, p. 1420-1432, 2007.
FENTON, N. et al. Predicting Software Defects in Varying Development Lifecycles using Bayesian Nets, Information & Software Technology, v. 9, n. 1, p. 32-43, 2007.
FRIEDMAN, N.; GEIGER, D.; GOLDZSMITH, M. Bayesian network classifiers. Machine Learning, v. 20, p. 131-165, 1997.
HECKERMAN, D. A tutorial on learning with Bayesian networks. Report MSR-TR-95-06, Microsoft Advanced Technology Division, Microsoft Corporation, Seattle, Washington, 1995.
HUANG, K.; HENRION, M. Efficient Search-Based Inference for Noisy-OR Belief Networks. In: TWELFTH CONFERENCE ON UNCERTAINTY IN ARTIFICIAL INTELLIGENCE. Proceedings... Portland, OR, p. 325-331, 1996.
LAITILA, P. Improving the Use of Ranked Nodes in the Elicitation of Conditional Probabilities for Bayesian Networks. Dissertação (Mestrado em Ciências em Tecnologia no Programa de Engenharia, Física e Matemática) – Aalto University, Espoo, Finlândia, 2013.
LEE, E.; PARK. Y.; SHIN, J. G. Large engineering project risk management using a Bayesian belief network. Journal of Expert Systems and Applications: An International Journal, v. 36, n. 3, p. 5880-5887, 2009.
NEIL, M.; MALCOLM B.; SHAW R. Modelling an Air Traffic Control Environment Using Bayesian Belief Networks. In: INTERNATIONAL SYSTEM SAFETY CONFERENCE, 21. Proceedings... Ottawa, Ontario, Canada, 2003.
NEIL, M.; FENTON N.; TAILOR M. Using Bayesian Networks to model Expected and Unexpected Operational Losses. Risk Analysis: An International Journal, v. 25, n. 4, p. 963-972, 2005.
PERKUSICH, M.; ALMEIDA, H.; PERKUSICH, A. A Model to Detect Problems on Scrum-Based Software Development Project. IN: ANNUAL ACM SYMPOSIUM ON APPLIED C, 28. Proceedings... 2013.
Downloads
Publicado
Edição
Seção
Licença
• O(s) autor(es) autoriza(m) a publicação do artigo na revista;
• O(s) autor(es) garante(m) que a contribuição é original e inédita e que não está em processo de avaliação em outra(s) revista(s), nem esteja publicado em anais de congressos e/ou portais institucionais;
• A revista não se responsabiliza pelas opiniões, ideias e conceitos emitidos nos textos, por serem de inteira responsabilidade de seu(s) autor(es). Opiniões e perspectivas expressas no texto, assim como a precisão e a procedência das citações, são de responsabilidade exclusiva do(s) autor(es), e contribuem para a promoção dos:
- Princípios FAIR (Findable, Accessible, Interoperable, and Reusable – localizável, acessível, interoperável e reutilizável);
- Princípios DEIA (diversidade, equidade, inclusão e acessibilidade).
• É reservado aos editores o direito de proceder ajustes textuais e de adequação do artigos às normas da publicação.
Responsabilidades dos autores e transferência de direitos autorais
Os autores devem declarar a originalidade do estudo, bem como o fato de que este não foi publicado anteriormente ou está sendo considerado para publicação em outro meio, como periódicos, anais de eventos ou livros. Ao autorizarem a publicação do artigo na Revista Principia, os autores devem também responsabilizar-se pelo conteúdo do manuscrito, cujos direitos autorais, em caso de aprovação, passarão a ser propriedade exclusiva da revista. A Declaração de Responsabilidades dos Autores e Transferência de Direitos Autorais deverá ser assinada por todos os autores e anexada ao sistema como documento suplementar durante o processo de submissão. Clique no link abaixo para fazer o download do modelo.
Esta revista, seguindo as recomendações do movimento de Acesso Aberto, proporciona seu conteúdo em Full Open Access. Assim os autores conservam todos seus direitos permitindo que a Revista Principia possa publicar seus artigos e disponibilizar pra toda a comunidade.
A Revista Principia adota a licença Creative Commons 4.0 do tipo atribuição (CC-BY). Esta licença permite que outros distribuam, remixem, adaptem e criem a partir do seu trabalho, inclusive para fins comerciais, desde que lhe atribuam o devido crédito pela criação original.
Os autores estão autorizados a enviar a versão do artigo publicado nesta revista em repositório institucionais, com reconhecimento de autoria e publicação inicial na Revista Principia.
