Cambios realizados en Elvira Manuel Luque Gallego Proyecto Elvira II Almería 19-20 de Mayo de 2005

Índice Evaluación de diagramas de influencia con nodos super-valor Generación aleatoria de diagramas de influencia Explicación del razonamiento en diagramas de influencia

Evaluación de DI con nodos SV

Evaluación de DI con nodos SV En San Sebastián se disponía de los siguientes algoritmos: ReductionAndEvalID: Reduce el DI a uno con un solo nodo de valor y evalúa VariableEliminationSV: Aplica el esquema de eliminación de variables a un árbol de potenciales Implementación desde la reunión de San Sebastián ArcReversalSV: Algoritmo de Tatman y Shachter

Evaluación de DI con nodos SV Algoritmo de Tatman y Shachter (clase ArcReversalSV) Adaptación del algoritmo de inversión de arcos a DIs con nodos SV Posibilidades de evaluación en el interfaz Sólo políticas óptimas Políticas óptimas y utilidades Adicionalmente la clase ArcReversalSV permite evaluar con subset rule o sin subset rule

Generación aleatoria de DIs Objetivo: Comparar rendimiento en espacio y tiempo de VariableEliminationSV y ArcReversalSV Generación aleatoria de DI con nodos SV, con orden total entre las decisiones Para medir tiempos se empleó Java 2's Java Virtual Machine Profiler Interface (JVMPI), que proporciona tiempos netos al ejecutar el proceso en un sistema operativo multitarea Generación aleatoria de DIs basada en los trabajos: Jaime S. Ide y Fabio G. Cozman: Redes bayesianas Marta Vomlelova: Diagramas de influencia sin restricciones de orden entre las decisiones

Generación aleatoria de DIs Esquema de la generación de DIs aleatorios Generar la estructura Generar estructura de nodos de azar y de decisión Generar un árbol ordenado simple Decidir para cada nodo si es aleatorio o decisión Añadir y quitar enlaces de forma aleatoria Ordenar de forma aleatoria las decisiones no ordenadas Generar estructura de nodos de valor Generar nodos de utilidad (non-super) y elegir aleatoriamente sus padres Combinar aleatoriamente nodos de valor en nodos SV y elegir su tipo (suma o product), hasta que haya un solo nodo SV terminal Generar la parte cuantitativa Generar aleatoriamente las tablas de probabilidad y de utilidad

Generación aleatoria de DIs Dibujar en Elvira DIs aleatorios grandes

Explicación del razonamiento en DIs Análisis de la estrategia óptima, basada en los trabajos Cooper: Convertir DI a red bayesiana y propagar sobre red bayesiana para evaluar el DI Finn Jensen: Probabilidad de decisiones futuras Clase añadida: CooperPolicyNetwork, hija de Bnet

Explicación del razonamiento en DIs Construcción de la CPN (CooperPolicyNetwork) Evaluación del DI con método para DI Construcción de la CPN a partir de las políticas óptimas Nodos de decisión se convierten a nodos de azar con distribución determinística dada por la política óptima Nodos de utilidad y super-valor son convertidos a nodos de azar mediante la transformación de Cooper

Explicación del razonamiento en DIs Diagrama de influencia y CooperPolicyNetwork

Explicación del razonamiento en DIs Permite realizar un análisis de la estrategia óptima incorporando la “evidencia” sobre el DI en el interfaz de Elvira Se incorpora la evidencia en la CPN Cálculo de probabilidades a posteriori para el nuevo caso Nodos de azar  Probabilidades marginales Nodos de decisión  Probabilidades de decisiones futuras Nodos de utilidad  Utilidades esperadas para el nuevo caso

Explicación del razonamiento en DIs El modo inferencia de Elvira dibuja en verde los arcos de no-olvido que no aparecen en el modo edición Probilidades y utilidades de los distintos escenarios del árbol de decisión Ejemplo: p(Oil|Seismic, Test)