Algoritmos meta heurísticos para el aprendizaje de redes bayesianas / Meta-heuristic algorithms for the learning of bayesian networks / Algoritmos meta heurísticos para a aprendizagem de redes bayesianas
Rev. lasallista investig
; 15(2): 353-366, jul.-dic. 2018. tab, graf
Article
em Es
|
LILACS-Express
| LILACS
| ID: biblio-1094004
Biblioteca responsável:
CO304.1
RESUMEN
Resumen Introducción:
Con este artículo se pretende obtener modelos basados en análisis probabilísticos de casos para la ayuda a la toma de decisiones en la educación y aprendizaje de los estudiantes de la UTEQ. Para la obtención del producto final, se ha distribuido el proceso de desarrollo en varias etapas.Objetivo:
Crear un modelo probabilístico para evaluar y diagnosticar a los estudiantes en función de un conjunto de características, las mismas que deberán ser aprendidas de forma automática mediante una generalización del modelo AutoClass permitiendo la existencia de variables ocultas, cada una de ellas afectando a un conjunto distinto de variables observables (respuestas de los alumnos a cuestiones planteadas por un sistema automático de aprendizaje). Materiales yMétodos:
Nuestro estudio se llevará a cabo para para definir otra forma de aprendizaje estructural basado en la búsqueda de estructuras a través de modelos meta-heurísticas evolutivas.Resultados:
Este modelo permitirá a las autoridades de la UTEQ determinar inconvenientes y contratiempos en el proceso de enseñanza aprendizaje. A la vez los resultados obtenidos permitirán una toma de decisiones inmediata para solucionar los problemas detectados y de esta manera cumplir con la misión institucional de formar profesionales con visión científica y humanista capaces de desarrollar investigaciones, crear tecnologías, mantener y difundir nuestros saberes y culturas ancestrales, para la construcción de soluciones a los problemas de la región y el país.Conclusiones:
se optimización de malla variable (VMO) metaheurístico al aprendizaje estructural de los clasificadores de redes bayesianas (BVMO).ABSTRACT
Abstract Introduction:
This article aims to obtain models based on probabilistic case analysis to help decision-making in the education and learning of UTEQ students. To obtain the final product, the development process has been distributed in several stages.Objective:
To create a probabilistic model to evaluate and diagnose students based on a set of characteristics, which must be learned automatically through a generalization of the AutoClass model allowing the existence of hidden variables, each of them affecting a set different from observable variables (students' answers to questions raised by an automatic learning system). Materials andmethods:
Our study will be carried out to define another form of structural learning based on the search of structures through evolutionary meta-heuristic models.Results:
This model will allow the authorities of the UTEQ to identify inconveniences and setbacks in the teaching-learning process. At the same time, the results obtained will allow immediate decision-making to solve the problems detected and thus fulfill the institutional mission of training professionals with a scientific and humanistic vision capable of developing research, creating technologies, maintaining and disseminating our ancestral knowledge and culture, for the construction of solutions to the problems of the region and the country.Conclusions:
were metaheuristic variable mesh optimization (VMO) to structural learning of Bayesian network classifiers (BVMO).RESUMO
Resumo Introdução:
O objetivo deste artigo é obter modelos baseados em análise probabilística de casos para auxiliar na tomada de decisões na educação e aprendizagem de alunos da UTEQ. Para obter o produto final, o processo de desenvolvimento foi distribuído em várias etapas.Objetivo:
Para criar um modelo probabilístico para avaliar e diagnosticar alunos com base em um conjunto de características, o mesmo que deve ser aprendido automaticamente por um generalização do modelo AutoClass permitindo a existência de variáveis ocultas, cada afetando um todo diferente das variáveis observáveis (respostas dos alunos às questões levantadas por um sistema automático de aprendizagem).Materiais e métodos:
Nosso estudo será realizado para definir outra forma de aprendizagem estrutural baseada na busca de estruturas através de modelos meta-heurísticos evolutivos.Resultados:
Este modelo permitirá que as autoridades da UTEQ identifiquem inconveniências e retrocessos no processo de ensino-aprendizagem. Embora os resultados permitirá tomar decisões imediatas para resolver os problemas identificados e, assim, cumprir a missão institucional de formar profissionais com visão científica e humanística capaz de desenvolver a investigação, desenvolver tecnologias, manter e disseminar o nosso conhecimento e ancestrais culturas , para a construção de soluções para os problemas da região e do país. Asconclusões:
adaptaram a otimização da malha metaheurística variável (VMO) para a aprendizagem estrutural de classificadores de redes bayesianas (BVMO).
Texto completo:
1
Coleções:
01-internacional
Base de dados:
LILACS
Tipo de estudo:
Prognostic_studies
Idioma:
Es
Revista:
Rev. lasallista investig
Assunto da revista:
Cincias Humanas
/
Cincias Sociais
Ano de publicação:
2018
Tipo de documento:
Article
País de afiliação:
Equador