Read more
La red bayesiana es una combinación de modelo probabilístico y modelo de grafos. Se aplica ampliamente en el aprendizaje automático, la minería de datos, el diagnóstico, etc., porque tiene una sólida inferencia basada en pruebas que resulta familiar a la intuición humana. Sin embargo, la red bayesiana puede causar confusiones porque hay muchos conceptos, fórmulas y diagramas complicados relacionados con ella. Dichos conceptos deben organizarse y presentarse de forma tan clara que su comprensión sea fácil. Este es el objetivo de este informe. El informe incluye 5 secciones principales que abarcan los principios de la red bayesiana. La sección 1 es una introducción a la red bayesiana que ofrece algunos conceptos básicos. Los conceptos avanzados se mencionan en la sección 2. El mecanismo de inferencia de la red bayesiana se describe en la sección 3. En la sección 4 se describe el aprendizaje de parámetros, que nos indica cómo actualizar los parámetros de la red bayesiana. La sección 5 se centra en el aprendizaje de estructuras, que menciona cómo construir una red bayesiana. En general, los tres temas principales de la red bayesiana son la inferencia, el aprendizaje de parámetros y el aprendizaje de estructuras, que se mencionan en las sucesivas secciones 3, 4 y 5. La sección 6 es la conclusión.
About the author
Loc Nguyen es un académico independiente desde 2017. Tiene un título postdoctoral en Ciencias de la Computación, certificado por INSTICC en 2015. Se le concedió el título de Matemático por el LMS en 2016. Fue galardonado con el Doctorado en Medicina Estadística por HOSREM en 2016. Ha publicado 78 artículos y preprints junto con 8 productos científicos y tecnológicos.
