__________________________________________________________________________ Curso: Centro: Estudios: Asignatura: Código: Ciclo: Curso: Cuatrimestre: Carácter: Créditos teóri.: Créditos práct.: Profesor/es: 2008-2009 ESCUELA POLITÉCNICA SUPERIOR INGENIERO EN INFORMÁTICA TÉCNICAS DE INFERENCIA PROBABILÍSTICA 42998317 2º 5º 1º OPTATIVA 3 3 ANTONIO SALMERÓN CERDÁN (Teoría) ANTONIO FERNÁNDEZ ÁLVAREZ (Prácticas) Area: ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Departamento: ESTADISTICA Y MATEMÁTICA APLICADA __________________________________________________________________________ I. TEMARIO. Tema 1. TRATAMIENTO DE LA INCERTIDUMBRE EN SISTEMAS INFORMÁTICOS. (3 horas) 1. Sistemas basados en formalismos no probabilísticos. 2. Sistemas basados en la Teoría de la Probabilidad. Tema 2. GRAFOS DE DEPENDENCIAS Y REDES CAUSALES. (4 horas) 1. Grafos de dependencias. 2. Redes causales. Tema 3. CONSTRUCCIÓN DE REDES CAUSALES. (8 horas) 1. Determinación de la estructura. Algoritmos PC y K2. 2. Determinación de las probabilidades condicionadas. Tema 4. PROPAGACIÓN DE PROBABILIDAD. (11 horas) 1. 2. 3. 4. 5. 6. El problema de la propagación de probabilidad. Cálculo con tablas de probabilidad. Propagación en poli-árboles. Método de eliminación de variables. Árboles de grupos. Métodos de propagación sobre árboles de grupos. Algoritmos de Shenoy-Shafer, Hugin y Propagación Perezosa 7. Técnicas aproximadas: métodos de Monte-Carlo y deterministas. 8. Abducción. Tema 5. APLICACIONES DE LAS REDES CAUSALES. (4 horas) 1. Toma de decisiones. 2. Clasificación. II. DESCRIPTORES Introducción a la inferencia probabilística. Modelos de dependencias y redes bayesianas. Propagación de probabilidad. Construcción de redes bayesianas. 42998317_0809.doc /1 III. PROGRAMA DE PRÁCTICAS. Práctica 1: Introducción a Elvira (2 horas) Se presentará el entorno Elvira a nivel de interfaz mostrando algún ejemplo y a nivel de implementación, explicando las estructuras de datos básicas. Práctica 2. Uso y validación de estructuras de datos de Elvira para manejo de variables y configuraciones de variables (4 horas) Se propondrán ejercicios de programación que usen las estructuras de datos sobre variables y configuraciones existentes en Elvira. Práctica 3: Uso y validación de estructuras de datos de Elvira para el manejo de información probabilística mediante tablas (4 horas). Se propondrán ejercicios de programación que usen las estructuras de datos sobre tablas de probabilidad existentes en Elvira. Práctica 4: Implementación de un algoritmo de propagación de probabilidad basado en muestreo lógico probabilístico. (4 horas) El alumno/a implementará en Java u otro lenguaje de programación un algoritmo de propagación que haga uso del muestreo lógico probabilístico. Práctica 5: Inferencia y aprendizaje en Elvira. (2 horas) Se explicará cómo se realizan la inferencia y el aprendizaje desde la interfaz de Elvira, usando las distintas técnicas y/o algoritmos que hay implementados para ello. Práctica 6: Aplicación de las redes bayesianas a juegos de inteligencia artificial usando Elvira (10 horas). El alumno/a pondrá en funcionamiento un sistema experto capaz de jugar finales de ajedrez en donde la máquina dispone de Torre y Rey y el usuario sólo de Rey. Los pasos son: Descargar una base de datos de finales de ajedrez con estas piezas. Adaptar dicha base de datos (en caso de ser necesario). Construir un modelo Bayes-Ingenuo con estos datos, usando el código fuente de Elvira. Integrar una interfaz de ajedrez aportada por el profesor con el código anterior. Usar este modelo probabilístico como sistema experto para mover las piezas. Práctica 7: Análisis y modelización de un problema real usando el sistema Elvira (4 horas) Para esta práctica se formarán grupos de 2 ó 3 personas y se usará el software Elvira para analizar y modelar un problema real. El número de horas presenciales para esta práctica es 4. En la primera sesión de esta práctica (2 horas) se explicará el problema y los grupos comenzarán el trabajo, que se completará fuera de clase y con apoyo del profesor en tutoría. La segunda sesión (2 horas) estará dedicada a la presentación de los trabajos por parte de los grupos. IV. BIBLIOGRAFÍA. BÁSICA: Castillo, E., Gutiérrez, J.M., Hadi, A.S. Sistemas expertos y modelos de redes probabilísticas. Monografías de la Academia de Ingeniería. 1996. Gámez, J.A. Puerta, J.M. Sistemas expertos probabilísticos. Colección Ciencia y Técnica. Ediciones de la Universidad de Castilla- La Mancha. 1998. Jensen, F.V., Nielsen, T.D. Bayesian networks and Decision Graphs. Springer. 2007. COMPLEMENTARIA: 42998317_0809.doc /2 Cowell, R.G., Dawid, A.P., Lauritzen, S.L., Spiegelhalter, D.J. Probabilistic networks and expert systems. Springer. 1999. Pearl, J. Probabilistic reasoning in intelligent systems. Morgan Kaufmann. San Mateo. 1988. Shafer, G. Probabilistic expert systems. SIAM. Philadelphia. 1996. IV. CRITERIOS DE EVALUACIÓN Para la evaluación de la asignatura se recurrirá a una prueba escrita de carácter teórico-práctico en la que se valorará el grado de asimilación de los contenidos por parte de los/as alumnos/as. La puntuación de dicha prueba estará comprendida entre 0 y 10 puntos. Para superar esta prueba es necesario obtener 5 puntos o más. Además, los/as alumnos/as deberán entregar una memoria de cada una de las prácticas en la fecha que se fije en cada caso. La nota de las prácticas estará comprendida entre 0 y 10 puntos. Éstas se considerarán superadas si se obtiene una calificación de 5 puntos o más. Para superar la asignatura es necesario aprobar tanto la prueba escrita como las prácticas, y la nota final vendrá dada por la media de ambas calificaciones. 42998317_0809.doc /3