Ciencia México Santa María Tonantzintla, Puebla, Miércoles, 01 de junio de 2011 a las 18:16
Los días 3 y 4 de junio se realizará reunión de investigación de DYNAMO

Un día y medio para aprender sobre modelos gráficos probabilistas en Puebla

Interesantes aplicaciones en el área de salud e industria eléctrica

Alma Ríos y Felipe Orihuela/INAOE/DICYT En 1763 ante la Royal Society de Londres, Richard Price da a conocer en forma póstuma un trabajo de su amigo Thomas Bayes que se convertiría en uno de los teoremas fundamentales de la estadística inferencial. El trabajo de Bayes daba solución a un problema de probabilidad inversa por el cual se asigna una probabilidad a una variable no observada. Con la contribución de otros matemáticos incluidos el genial Laplace, que como curiosidad descubrió los métodos Bayesianos independientemente, la solución de Bayes toma su forma más general: el teorema de Bayes, que permite calcular probabilidades condicionales.

 

Este teorema es el pilar central de la teoría Bayesiana que permite la inferencia y teoría de decisiones en presencia de incertidumbre. Los modelos probabilistas, pues, son aquellos que permiten hacer estimaciones de la probabilidad de que ocurra un evento basándose en el conocimiento de datos pasados o históricos. A medida que nuevos datos están disponibles, las probabilidades a priori, aquellas previamente conocidas por los datos históricos, se re-calculan para dar lugar a las probabilidades a posteriori, aquellas que ya consideran la nueva información. Por otro lado, los procesos llamados Markovianos son aquellos modelos donde la regresión histórica del proceso es sólo de primer grado –el estado siguiente del proceso únicamente depende del estado actual-. La conjunción de la teoría Bayesianos y Markovianos juntamente con la representación visual en forma de grafos de las variables y sus relaciones, proveen del marco teórico sobre el que se sustentan los modelos gráficos probabilistas.


Los modelos gráficos probabilistas son una eficiente herramienta de análisis para masas de datos de alta complejidad con un alto número de variables. Estos modelos permiten visualizar de una forma sencilla relaciones de influencia entre las variables, y son capaces de lidiar con datos de carácter estático o dinámico con una formulación matemática elegante. El ámbito de problemas atacables con estos modelos va desde la inferencia hasta el apoyo a la toma de decisiones o el control de la incertidumbre. Las aplicaciones reales de estos sistemas alcanzan a dominios tan dispares como la medicina, la ingeniería, la física, la economía o la administración de negocios. La clave del éxito de los modelos gráficos probabilistas se debe no sólo a su enorme área de aplicaciones sino a que conjuntan una rigurosa teoría con una gran facilidad de uso e interpretación gracias a su naturaleza visual.


Los días 3 y 4 de Junio de 2011 tendrá lugar en la ciudad de Puebla en México un evento abierto al público, donde se pretende dar difusión a los modelos gráficos probabilistas y en particular dar una visión de la vanguardia en cuanto a teoría y práctica de los mismos. El programa incluye temas de inferencia, aprendizaje, modelado, procesos de decisión, etc. Y se pretende que sea de interés tanto para estudiantes y principiantes en el área, como para expertos y/o gente de la industria interesados en incorporar esta tecnología a sus procesos. El número de plazas está limitado a 60 personas por lo que se requiere pre-registro. El programa científico del evento contará con la participación de investigadores destacados en el área, tanto del propio proyecto organizador –DyNaMo- como externos a éste.


El proyecto DyNaMo es un consorcio de investigación internacional liderado por el Dr. Luis Enrique Sucar, investigador del Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), con investigadores provenientes de instituciones participantes de México, España, Holanda, Reino Unido, Canadá y Portugal. La investigación que ha dado lugar a estos resultados ha recibido apoyo del CONACYT y de la Comunidad Europea a través del FONCICYT.

 

Este proyecto tiene como objetivos avanzar en el modelado teórico de los modelos gráficos probabilistas estableciendo nuevos estándares de representación y herramientas para su implementación, pero a la vez haciendo particular énfasis en la aplicación del nuevo conocimiento en la medicina y la industria. En su rama teórica, investigadores del proyecto DyNaMo han propuesto nuevos algoritmos de entrenamiento, un nuevo multiclasificador Bayesiano y un nuevo estándar XML para representación de los modelos gráficos probabilistas entre otros, y han generado herramientas como OpenMarkov, ProBT o ProModel para el desarrollo de estos modelos.

 

En el campo de la medicina, el proyecto DyNaMo ha contribuido a modelar la evolución del cáncer de ovario, a explicar la evolución del VIH ante la presión farmacológica, a la creación de terapias de rehabilitación motriz que se adaptan a las necesidades de pacientes de infarto cerebral, y a evaluar el coste-efectividad de la vacuna del virus del papiloma humano. En el campo industrial, DyNaMo ha contribuido con la herramienta ASISTO para entrenamiento y control de plantas eléctricas.


Puedes encontrar más información sobre el evento en: http://www.dynamopro.org/spip.php?article36