Next: Riferimenti bibliogarici Up: Apprendimento di reti Previous: Apprendimento da dati reali

Osservazioni conclusive

Abbiamo presentato una tecnica per apprendere reti bayesiane su un insieme di variabili aleatorie a partire da un database di loro realizzazioni. Il metodo esposto può essere utilizzato per comprendere le relazioni di causalità che intercorrono fra le variabili e per attuare una prima analisi dei dati ad esse relativi.

Sono stati messi in luce alcuni difetti, che abbiamo imputato sia alla non applicabilità delle ipotesi a molti casi di interesse reale che alla difficoltà di una corretta assegnazione dei parametri dell'algoritmo, primo fra tutti il coefficiente . Inoltre è stato mostrato che nel caso in cui le ipotesi siano soddisfatte, i parametri correttamente dimensionati e si stia utilizzando un numero sufficiente di campioni, l'algoritmo apprende senza errori la rete.

In ultima analisi, l'apprendimento basato su selezione del modello e stima bayesiana dei parametri è un buon metodo per affrontare il problema di trovare relazioni fra dati. I risultati ottenuti possono essere raffinati impiegando tecniche di apprendimento più potenti, quali sono quelle che suppongono la presenza di variabili nascoste.

Questo lavoro è stato realizzato per sostenere l'esame di ``intelligenza artificiale'' tenuto dal prof. G.Soda con la collaborazione del dott. P.Frasconi. Sono state utilizzate le strutture didattiche del laboratorio dell'informazione ``ex-forno'', all'interno della facoltà di ingegneria dell'università di Firenze.