
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Silva, Ricardo Martins de Abreu | - |
| Autor(es): dc.contributor | Sampaio, Rudini Menezes | - |
| Autor(es): dc.contributor | Safadi, Thelma | - |
| Autor(es): dc.contributor | Lacerda, Wilian Soares | - |
| Autor(es): dc.creator | Valentim, Felipe Leal | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:28:41Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:28:41Z | - |
| Data de envio: dc.date.issued | 2015-04-23 | - |
| Data de envio: dc.date.issued | 2015-04-23 | - |
| Data de envio: dc.date.issued | 2015-04-23 | - |
| Data de envio: dc.date.issued | 2007-03-19 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/5398 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1141611 | - |
| Descrição: dc.description | Bayesian networks are directed acyclics graphs that represent dependences between variables in probabilistic models. This approach represents a good strategy to solve problems that treat uncertainties. The commonest task that we wish to make in a bayesian network is to determine the several interest probabilities conditioned to some events we observe. These probabilities are not stored directly in the model, and consequently need to be computed by inference algorithms. Another important quastion in this approach is that the manual construction of a bayesian net can be very laborious and expensive process for great applications and in complex domains. Therefore, efforts have been driven to development of learning algorithms that can build bayesian nets directly of a database, instead of the specialists’ human discernment. In this work are explained fundamental aspects necessary for the construction of a system able to perform the inference and learning in bayesian networks, it is introduced the system UFLABayes, that allows analysis of the studied algorithms, and are introduced the analyses of the inference and learning algorithms implemented. | - |
| Descrição: dc.description | Inteligência artificial | - |
| Descrição: dc.description | Redes bayesianas são grafos acíclicos dirigidos que representam dependências entre variáveis em um modelo probabilístico. Esta abordagem representa uma boa estratégia para lidar com problemas que tratam incertezas. A tarefa mais comum que desejamos efetuar numa rede bayesiana é determinar as várias probabilidades de interesse condicionadas a certos eventos que observamos. Estas probabilidades não são armazenadas diretamente no modelo, e consequentemente precisam ser computadas por algoritmos de inferência. Outra questão importante nessa abordagem é que a construção manual de uma rede bayesiana pode ser um processo bastante trabalhoso e caro para grandes aplicações e em domínios complexos. Por esse motivo, esforços têm sido dirigidos para o desenvolvimento de algoritmos de aprendizado que possam construir redes bayesianas diretamente de uma base de dados, ao invés do discernimento de especialistas humanos. Nesse trabalho são abordados aspectos fundamentais para a construção de um sistema capaz de realizar a inferência e o aprendizado em redes bayesianas, além disso, é apresentado o sistema UFLABayes, que permite uma análise dos algoritmos estudados e por fim são apresentadas as análises de eficiência para os algoritmos de inferência e aprendizado implementados. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Rede bayesiana | - |
| Palavras-chave: dc.subject | Algoritmos de inferência | - |
| Palavras-chave: dc.subject | Algoritmos de aprendizado | - |
| Palavras-chave: dc.subject | Bayesian networks | - |
| Palavras-chave: dc.subject | Inference algorithms | - |
| Palavras-chave: dc.subject | Learning algorithms | - |
| Título: dc.title | Estudo e implementação de algoritmos de inferência e aprendizado em redes bayesianas | - |
| Tipo de arquivo: dc.type | TCC | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: