Ricerca di contatti, progetti,
corsi e pubblicazioni

Robust structure learning of Bayesian networks

Persone

 

Zaffalon M.

(Responsabile)

Abstract

Le reti Bayesiane sono modelli che permettono di far eseguire ad un computer ragionamenti razionali in condizioni di incertezza. Pertanto sono usate in molti problemi reali per il supporto alle decisioni: ad esempio per la diagnosi medica, il riconoscimento di immagini, la previsione di eventi naturali avversi, ecc.. 

Una rete Bayesiana è composta da due parti: un parte grafica che rappresenta tramite frecce le relazioni di causa-effetto (e più in generale di dipendenza) tra le variabili del dominio in questione; e una parte probabilistica per quantificare numericamente la forza di tali relazioni. Esistono algoritmi che permettono di apprendere entrambe le parti in automatico da dati storici se questi sono rappresentativi del dominio in esame. Questo facilita di molto la creazione di un modello basato su reti Bayesiane. 

Tuttavia non sempre esistono dati a sufficienza o sufficientemente rappresentativi del dominio. In questi casi gli algoritmi di cui sopra possono produrre in particolare una struttura grafica che non corrisponde a quella cercata. Si parla di fragilità di questi algoritmi dovuta a una scarsa informazione presente nei dati. Per ovviare a questi problemi è importante sviluppare una nuova classe di questi algoritmi che siano in grado di produrre delle soluzioni, cosiddette robuste, anche a fronte di dati scarsamente informativi. Questo è lo scopo principale del progetto in questione. Gli algoritmi robusti che ci proponiamo di sviluppare dovranno essere in grado di adattarsi alla quantità di informazione realmente presente nei dati, ad esempio prevedendo la possibilità di fornire delle soluzioni multiple: cioè fornendo più di una rete Bayesiana in output che può essere consistente con in dati a disposizione; quest'insieme di reti convergerà verso una singola rete man mano che i dati, accrescendosi, divengono maggiormente informativi. Alternativamente, dovranno essere in grado di scegliere tra tutte le strutture compatibili con i dati, quella che è maggiormente rappresentativa.

Informazioni aggiuntive

Data d'inizio
01.01.2014
Data di fine
31.12.2016
Durata
36 Mesi
Enti finanziatori
SNSF
Stato
Concluso
Categoria
Swiss National Science Foundation / Project Funding / Mathematics, Natural and Engineering Sciences (Division II)