Estudo e implementação de algoritmos de inferência e aprendizado em redes bayesianas

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