Causalidad, correlación e inteligencia artificial para la toma de decisiones racionales

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Causality, Correlation and Artificial Intelligence for Rational Decision Making

Contenido del libro:

La causalidad es objeto de estudio desde hace mucho tiempo. A menudo se confunde causalidad con correlación.

La intuición humana ha evolucionado de tal forma que ha aprendido a identificar la causalidad a través de la correlación. En este libro se tratan cuatro temas principales: causalidad, correlación, inteligencia artificial y toma de decisiones. Se define y construye una máquina de correlación utilizando una red perceptrón multicapa, análisis de componentes principales, modelos de mezclas gaussianas, algoritmos genéticos, técnica de maximización de expectativas, recocido simulado y optimización por enjambre de partículas.

Además, se define y construye una máquina causal utilizando un perceptrón multicapa, una función de base radial, estadística bayesiana y métodos híbridos de Monte Carlo. Ambas máquinas se utilizan para construir un modelo de causalidad no lineal de Granger.

Además, se estudian y unifican los modelos causales de Neyman-Rubin, Pearl y Granger. También se aplica la determinación automática de la relevancia para ampliar el marco de causalidad de Granger al ámbito no lineal. Se estudia el concepto de toma de decisiones racional y se utiliza la teoría de la racionalidad flexiblemente limitada para ampliar la teoría de la racionalidad limitada dentro del principio de la indivisibilidad de la racionalidad.

También se introduce la teoría de la marginación de la irracionalidad en la toma de decisiones para tratar el satisficing dentro de condiciones irracionales. Los métodos propuestos se aplican a la ingeniería biomédica, la supervisión de condiciones y la modelización de conflictos interestatales.