Listas KBM2L para la síntesis de conocimiento en sistemas de ayuda a la decisión

Fernández del Pozo de Salamanca, Juan Antonio (2006). Listas KBM2L para la síntesis de conocimiento en sistemas de ayuda a la decisión. Tesis (Doctoral), Facultad de Informática (UPM) [antigua denominación].

Descripción

Título: Listas KBM2L para la síntesis de conocimiento en sistemas de ayuda a la decisión
Autor/es:
  • Fernández del Pozo de Salamanca, Juan Antonio
Director/es:
  • Bielza Lozoya, Concha
Tipo de Documento: Tesis (Doctoral)
Fecha: 24 Noviembre 2006
Materias:
Palabras Clave Informales: Almacenamiento y Recuperación de Información Análisis Multivariante de Datos Análisis de Decisiones Análisis de Sensibilidad Aprendizaje Automático Clasificación Computación Evolutiva Descubrimiento en Bases de Datos Diagrama de Influencia Estructuras de Datos para Representación del Conocimiento Explicación en Sistemas de Ayuda a la Decisión Gestión de Conocimientos Ictericia Neonatal Inteligencia Artificial Linfoma Gástrico Matriz Multidimensional Metaheurísticas Minería de Datos Modelos Gráficos Probabilistas Modelos de Representación del Conocimiento Optimización Combinatoria Razonamiento Bajo Incertidumbre e Imprecisión Red Bayesiana Sistema de Ayuda a la Decisión Sistemas Basados en el Conocimiento Tabla de Decisiones Óptimas Tablas de Probabilidad Condicionada Análisis de Dependencias Valor de Esperado de la Información Perfecta
Escuela: Facultad de Informática (UPM) [antigua denominación]
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (3MB) | Vista Previa

Resumen

The implementation, evaluation and exploitation of Decision Support Systems by means of Bayesian Networks and Influence Diagrams, among other reasoning models, imply the use of tables with diversified information. Among them we focus on the conditional probability tables that represent the probabilistic relationships among variables and the tables of the optimal decisions resulting from the model evaluation. The tables, that can be very complex, include structured knowledge from the application domains over a set of variables of the probabilistic graphical model. Under the name of KBM2L we introduce a technique to build the knowledge base of the decision support system. We try to exploit the KBM2L list as a useful tool for the knowledge representation of the system that includes the model graph, the utility and probability models and the evaluation output. The graphical representation is qualitative and intuitive and then the users can easily access the knowledge if they are experts on the problem. On the other hand, the quantitative models of probability and utility and the evaluation output do not show easily the knowledge because it is coded numerically, in the case of these models, and due to the huge size of the optimal decision tables, in the case of the evaluation output. Both aspects do not allow us to recognize the main variables and relationships that describe the knowledge and explain the results. While the tables can be regarded as static objects or entities, KBM2L lists are dynamic knowledge representations. A specific list configuration determines the ability of knowledge explanation, the eficiency to solve queries to the decision support system from many di®erents points of view and the memory complexity required to manage the knowledge base. The structure of the list allows us to reveal the granularity of knowledge from tables while the configurations show us the role of the model variables in the inferred evaluation. The granularity provides procedures to structure and understand better the knowledge that the system hosts in its tables. The role of the variables in the di®erent contexts and in the whole model give us a mechanism to generate explanations of knowledge and of the system proposals and also the sensitivity analysis of the model itself. After the introduction we show the foundations of the KBM2L list for knowledge representation and describe the problems of the optimal representation search and several proposals of solution. We face a combinatorial optimization problem that is dealt with algorithms and methods adapted to our objective in the framework of metaheuristics. Next, we show the application of these techniques to optimal decision tables and conditional probability tables of the influence diagram. Finally, we propose to perform a model sensitivity analysis by means of the natural extension of the usual KBM2L list with the meaningful parameters.

Más información

ID de Registro: 1701
Identificador DC: http://oa.upm.es/1701/
Identificador OAI: oai:oa.upm.es:1701
URL Oficial: http://www.dia.fi.upm.es/~jafernan/research/kbm2l_thesis.pdf
Depositado por: Juan Antonio Fernández del Pozo de Salamanca
Depositado el: 25 Jun 2009
Ultima Modificación: 20 Abr 2016 06:57
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM