42998317_0809

__________________________________________________________________________
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