Resumen de Algoritmos híbridos para el aprendizaje de redes de creencia

Silvia Acid Carrillo, Luis M. de Campos

• Este trabajo describe dos algoritmos para el aprendizaje automático de redes de creencia a partir de datos, pertenecientes a una familia de algoritmos que hemos denominado BENEDICT (BElief NEtworks Discovery using Cut-set Techniques). Estos algoritmos utilizan una técnica híbrida, basada tanto en métodos de búsqueda y funciones de ajuste como en el empleo de tests de independencia condicional. La metodología general, común a todos los algoritmos, consiste en buscar la red de creencia que mejor se ajuste a un conjunto de datos; la forma de cuantificar este ajuste es mediante una medida de la discrepancia entre las relaciones de independencia condicional que representa la red y aquellas que pueden deducirse de los datos. Para determinar el tamaño óptimo de la red se utilizan tests de independencia, que sirven para detener el proceso de búsqueda, y así como métodos de poda de arcos, que refinan los resultados.