Serviços Personalizados
Journal
Artigo
Indicadores
- Citado por SciELO
- Acessos
Links relacionados
- Citado por Google
- Similares em SciELO
- Similares em Google
Compartilhar
Revista Lasallista de Investigación
versão impressa ISSN 1794-4449
Resumo
OVIEDO, Byron; PURIS, Amilkar e ZHUMA, Emilio. Algoritmos meta heurísticos para a aprendizagem de redes bayesianas. Rev. Lasallista Investig. [online]. 2018, vol.15, n.2, pp.353-366. ISSN 1794-4449. https://doi.org/10.22507/rli.v15n2a27.
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.
As conclusões:
adaptaram a otimização da malha metaheurística variável (VMO) para a aprendizagem estrutural de classificadores de redes bayesianas (BVMO).
Palavras-chave : Meta-heurística; AutoClasse; Variáveis Ocultas.