¡Guauu! Esa es una pregunta muy amplia.
Bueno, ejemplos concretos serían redes bayesianas (red bayesiana – Wikipedia), redes neuronales bayesianas o modelos cognitivos antiguos (http://vision.psych.umn.edu/user…).
Si desea ver la ejecución del código, lamentablemente no puedo proporcionar ninguno.
- ¿Qué es ros?
- Si quiero estudiar inteligencia artificial en el Reino Unido, ¿qué programas (principales) y qué universidades son las mejores opciones?
- ¿Cuál es la diferencia entre una red neuronal de alimentación directa y una red neuronal recurrente?
- ¿Dónde puedo aprender sobre la inteligencia artificial y cómo aplicarla, y cómo puedo entenderla mejor?
- ¿Qué computadora portátil debo comprar para una EM donde mis asignaturas incluyen aprendizaje automático y redes neuronales? ¿Hará un MacBook Air de 8GB? Yo soy de India.
Pero realmente, ¿qué dice el teorema de Bayes? La probabilidad de alguna hipótesis, dado el evento A, es igual al producto de la probabilidad de la hipótesis, multiplicada por la probabilidad del evento A dada la hipótesis, todo esto dividido por la suma de los productos de las probabilidades de todas las hipótesis (que hacen arriba nuestro espacio de probabilidad), multiplicado por la probabilidad del evento A dadas estas hipótesis (eso es un bocado).
O, reexpresado simbólicamente:
P (Hi | A) = (P (Hi) * P (A | Hi) / sum (P (Hj) * P (A | Hj)), j = 1,…, n
(Mis habilidades de látex son nulas, de ahí la notación incómoda)
Si lo piensa, esto se parece notablemente a lo que hace la gente, como un sesgo cognitivo: vemos que algo se desarrolla (con la noción de que ha ocurrido algo más) y “actualización” o grados de creencia según los eventos recientes (aunque los humanos rara vez racional y esta actualización a menudo es incorrecta).
Pero realmente, este teorema ya es un modelo en sí mismo (aunque sea muy simple) de una buena manera en que podemos tomar decisiones (dar algunos supuestos, por supuesto).
Pero cuando dices modelado bayesiano, realmente no tengo idea de lo que quieres decir. Muchas cosas hoy en día parecen desnudar el nombre Bayesiano, lo que has visto (o quiso decir) podría ser cualquier cosa, desde un nuevo algoritmo de entrenamiento hasta un nuevo método en psicometría.
Básicamente, cualquier cosa que tenga algunas propiedades autoadaptativas, que sea empíricamente válida por la entrada de nuevos datos / información, podría considerarse alguna forma de modelado bayesiano. Ni siquiera necesita incluir ningún uso del teorema, podría llamarse así. Piense en cómo Facebook siempre detecta si alguien en Tailandia intenta acceder a su cuenta; es muy poco probable que lo haga desde Asia, dado que vive en Ohio (y por eso suena la alarma). Se puede usar de cualquier manera que desee, dependiendo de cuánto pueda codificar.