Skip to main content
European Commission logo
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary
Contenuto archiviato il 2024-06-18

Approximate Inference in Probabilistic Models

Article Category

Article available in the following languages:

Previsione del movimento robotico e dell'ereditarietà delle malattie

Alcuni scienziati finanziati dall'UE hanno sviluppato modelli matematici potenziati applicabili alla robotica e alla bioinformatica.

Le probabilità possono essere un argomento matematico scoraggiante per la maggior parte delle persone. In realtà viene usato comunemente nella vita di tutti i giorni quando viene fornita la stima della probabilità che si verifichi un evento, ad esempio le previsioni meteo e la probabilità che piova o la probabilità di ricevere un'offerta di lavoro. I modelli probabilistici vengono largamente impiegati nella scienza in situazioni reali, quali i processi del pensiero cognitivo, l'estrapolazione di dati e simili. Prevedono o stimano la probabilità che qualcosa accada (in pratica una variabile con un determinato valore) in base a dati precedenti. Questo avviene spesso con un processo chiamato inferenza approssimata. Poiché le tecniche di inferenza approssimata sono importanti in molte applicazioni del mondo reale, lo sviluppo di tecniche potenziate offrirà soluzioni migliori per questi problemi. Alcuni ricercatori europei che puntano allo sviluppo di modelli probabilistici e di tecniche di approssimazione applicabili alla robotica e alla bioinformatica (modelli di dati genetici) hanno avviato il progetto Infprobmod (Approximate inference in probabilistic models). Gli scienziati hanno sviluppato con successo un metodo per la segmentazione dei dati in serie temporale (dati che cambiano nel tempo), come quelli rilevanti per il movimento umano. La tecnica numerica è importante per la creazione di librerie del movimento di base per il campo della robotica. I ricercatori hanno inoltre ampliato un modello genetico comune per includere rapporti madre-padre-figlio, aprendo la strada a un'analisi più generale dei dati genetici da individui imparentati. Il modello è particolarmente importante per le malattie ereditarie complesse. Entrambi i modelli sono stati implementati attentamente con un software intuitivo che richiede un livello minimo di intervento umano o di conoscenze in materia di modellazione. I risultati di Infprobmod saranno graditi sia a chi si occupa di robotica che di modellazione genetica, con implicazioni importanti per l'applicazione a molti altri modelli matematici simili.

Scopri altri articoli nello stesso settore di applicazione