Fusión topológica y cuantitativa de redes causales

La tarea de construir un sistema experto para un problema concreto implica seleccionar un sistema de razonamiento con incertidumbre y crear un modelo que represente el conocimiento incierto disponible. Buscamos construir sistemas expertos probabilísticos que abarquen un dominio de conocimiento mayor, aprovechando otros sistemas que hayan sido desarrollados para subdominios de conocimiento del problema planteado. Al utilizar redes bayesianas, hemos de tener en cuenta que para representar un modelo hacen uso de una parte cualitativa, que especifica las relaciones entre variables y define, mediante un grafo acíclico dirigido la estructura del modelo, y de una parte cuantitativa, habitualmente una distribución de probabilidad, que explicita la fuerza de esas relaciones.
Nuestro trabajo, se centra en la fusión de conocimiento genérico en dos niveles: integración de estructuras cualitativas de independencias e integración de valores numéricos de probabilidad. Para ello es necesario:
- Analizar los métodos de representación probabilísticos utilizados hasta la fecha, estudiando los mecanismos de representación de información probabilística mediante grafos, poniendo énfasis en la codificación de independencias e incluyendo los modelos de probabilidades imprecisas.
- Considerar distintas técnicas de fusión cualitativa. Nos centramos en los métodos de fusión basados en la conservación de independencias, analizando las propiedades que se conservan al unir o interceptar modelos descritos por listas o por grafos de independencias. Este proceso de combinación ayuda a definir la estructura cualitativa del modelo común. Se presta especial atención a la combinación de modelos que se diferencian en algunas variables, surgiendo lo que hemos denominado modelos de independencia maximales. Estos modelos evitan la creación de nuevas independencias por interacción de los modelos iniciales a través de las variables comunes a ambos y tratan de mantener independientes a las variables propias de cada modelo de las del otro dadas las variables comunes a ambos.
- Estudiar técnicas de fusión cuantitativa.
Finalmente, nos hemos propuesto validar nuestros algoritmos comprobando experimentalmente su aplicación a la recuperación de redes bayesianas que se han usado en aplicaciones reales. Para ello hemos trabajado con el vademecum público de redes Bayesianas mantenido por Friedman [56], y con redes proporcionadas junto con el software HUGIN [77] (disponibles en Internet "http://www.hugin.dk/networks"), todas ellas traducidas al formato empleado en el programa ELVIRA 1 [132].