O objetivo deste trabalho foi desenvolver uma aplicação computacional que demonstre como técnicas de álgebra linear computacional aplicadas a fatoração de matrizes esparsas podem ser utilizadas para construir um algoritmo eficiente e paralelizável para inferência em redes bayesianas. Para atingir este objetivo o algoritmo implementado separa o processo de inferência em duas fases, a primeira fase simbólica e uma segunda fase numérica. Como será demonstrado, o processamento numérico da segunda fase pode ser otimizado e paralelizado utilizando estruturas de dados estáticas previamente alocadas e definidas na primeira fase. Esta separação viabilizou-se pela análise de algoritmos de fatoração de matrizes esparsas e algoritmos para inferência em redes bayesianas a partir de um arcabouço combinatório unificado. as estruturas combinatórias geradas na fase simbólica e comum aos dois processos são a chave para a implementação computacionalmente eficiente de um algoritmo capaz de lidar com grandes modelos.

not available