"Aprendizaje estructural de redes bayesianas en entornos locales a través de una malla variable"
| dc.contributor.advisor | Puris Cáceres, Amilka Yudier | |
| dc.contributor.author | Pacheco Zamora, Irina Monserrat | |
| dc.date.accessioned | 2020-09-07T17:03:55Z | |
| dc.date.available | 2020-09-07T17:03:55Z | |
| dc.date.issued | 2015 | |
| dc.description | This research paper presents a proposal to incorporate local search into the model of Optimization based on Variable Meshes (VMO). In this proposal, three algorithms of search will be applied in Variable Environment (VNS) which will be in charge of exploiting the close regions to good solutions already found in order to improve the search process and to obtain better solutions that only using the VMO algorithm for structural training of Bayesian Networks. Once selected the hybridization of the VMO with local search to better results were obtained with the parameters, intensity and metric set out later in this project, will be compared with the results of other algorithms that are found in the article "A hybrid method for learning bayesian networks based on ant colony optimization". For the development and execution of the VMO algorithm with local search, were used some of the main classes of software "Environment for the development of graphical models probabilistic (Elvira)", which was selected because of its ability for the construction of Bayesian Networks and be an open source tool. Keywords: Bayesian Networks, Optimization based on Variable Meshes (VMO), Variable Neighbourhood Search (VNS). | es_ES |
| dc.description.abstract | En este trabajo de investigación se presenta una propuesta de incorporar búsqueda local al modelo de Optimización basado en Mallas Variables (VMO). En esta propuesta se aplicarán tres algoritmos de Búsqueda en Entorno Variable (VNS) que será la encargada de explotar las regiones cercanas a las buenas soluciones ya encontradas con el objetivo de mejorar el proceso de búsqueda y obtener mejores soluciones que solamente utilizando el algoritmo VMO para el entrenamiento estructural de Redes Bayesianas. Una vez seleccionada la hibridación del VMO con búsqueda local que mejor resultados obtuvieron con los parámetros, intensidad y métrica establecidos más adelante en este proyecto, serán comparados con los resultados de otros algoritmos que se encuentran en el artículo “Un método hibrido para el aprendizaje de redes bayesianas basado en la optimización de colonia de hormigas”. Para el desarrollo y ejecución del algoritmo VMO con búsqueda local fueron utilizadas algunas de las clases principales del software “Entorno para el desarrollo de modelos gráficos probabilísticos (Elvira)”, el cual fue seleccionado debido a su capacidad para la construcción de Redes Bayesianas y ser una herramienta de código abierto. Palabras claves: Redes Bayesianas, Optimización basado en Mallas Variables (VMO), Búsqueda en Entorno Variable (VNS). | es_ES |
| dc.format.extent | 39 p. | es_ES |
| dc.identifier.citation | Pacheco Zamora, Irina Monserrat. (2015). "Aprendizaje estructural de redes bayesianas en entornos locales a través de una malla variable". Quevedo. UTEQ 39 p. | es_ES |
| dc.identifier.other | 1300101 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/4052 | |
| dc.language.iso | spa | es_ES |
| dc.publisher | Quevedo: UTEQ | es_ES |
| dc.rights | openAccess | es_ES |
| dc.subject | Redes, Bayesianas, Optimización | es_ES |
| dc.subject | Basado en mallas variables | es_ES |
| dc.subject | Búsqueda en entorno variable VNS | es_ES |
| dc.title | "Aprendizaje estructural de redes bayesianas en entornos locales a través de una malla variable" | es_ES |
| dc.type | bachelorThesis | es_ES |
