Persona:
Arias Calleja, Manuel

Foto de perfil
Dirección de correo electrónico
ORCID
0000-0003-2405-6677
Fecha de nacimiento
Proyectos de investigación
Unidades organizativas
Puesto de trabajo
Apellidos
Arias Calleja
Nombre de pila
Manuel
Nombre

Filtros

2009 - 200912010 - 20192
Restablecer filtros

Ajustes

Fecha de finalización: 2019 ×

Resultados de la búsqueda

Mostrando 1 - 3 de 3
  • Miniatura
    Publicación
    OpenMarkov, an Open-Source Tool for Probabilistic Graphical Models
    (International Joint Conference on Artificial Intelligence, 2019) Arias Calleja, Manuel; Pérez Martín, Jorge; Luque Gallego, Manuel; Díez Vegas, Francisco Javier
    OpenMarkov is a Java open-source tool for creating and evaluating probabilistic graphical models, including Bayesian networks, influence diagrams, and some Markov models. With more than 100,000 lines of code, it offers some features for interactive learning, explanation of reasoning, and cost-effectiveness analysis, which are not available in any other tool. OpenMarkov has been used at universities, research centers, and large companies in more than 30 countries on four continents. Several models, some of them for real-world medical applications, built with OpenMarkov, are publicly available on Internet.
  • Miniatura
    Publicación
    Carmen : una herramienta de software libre para modelos gráficos probabilistas
    (Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2009-10-22) Arias Calleja, Manuel
    En las últimas dos décadas se ha dado una proliferación de herramientas para la construcción, manual o automática de Modelos Gráficos Probabilistas (MGPs). Las herramientas disponibles están limitadas en su mantenibilidad, robustez y eficiencia. Nuestra contribución principal es una nueva herramienta, llamada Carmen, que se ha desarrollado desde cero y está basada en los principios de la ingeniería del software. Carmen tiene un diseño detallado, una documentación y un conjunto de pruebas sistemáticas para minimizar la presencia de errores. El desarrollo de esta herramienta ha traido como consecuencia varias contribuciones secundarias: primero, un nuevo patrón de diseño llamado permiso-ejecución, que permite realizar operaciones en modelos complejos con múltiples restricciones; segundo, hemos desarrollado un nuevo diseño, que desacopla los diferentes conceptos que constituyen un MGP en partes distintas, permitiendo un mantenimiento posterior más sencillo; tercero, hemos desarrollado una librería genérica de grafos que puede ser utilizada en otras herramientas. Nuestra segunda contribución principal es un método nuevo que mejora significativamente el rendimiento en las operaciones básicas sobre potenciales de variables discretas, tales como suma, multiplicación, marginalización y división. Hemos demostrado también, tanto teórica como empíricamente, que algunas operaciones compuestas pueden ser realizadas de un modo mucho más eficiente si se ejecutan de forma conjunta en lugar de secuencial. Esta mejora en las operaciones de bajo nivel nos lleva a una reducción en el tiempo y en el espacio necesarios en algoritmos de alto nivel, tales como eliminación de variables, propagación en árboles de cliques, etc. Finalmente, la tercera contribución principal es un nuevo método para el análisis de coste-efectividad. Los métodos actuales no pueden tratar con problemas que involucran más de una decisión. Por este motivo, hemos desarrollado un nuevo método de coste-efectividad, que puede ser aplicado tanto en árboles de decisión como en diagramas de influencia. Nuestro método es capaz de manejar varias decisiones y devuelve la estrategia óptima como un conjunto de intervalos para λ, un parámetro habitualmente llamado disponibilidad a pagar, que representa la cantidad de dinero equivalente a una unidad de efectividad.
  • Miniatura
    Publicación
    Markov influence diagrams: a graphical tool for cost-effectiveness analysis
    (Society for Medical Decision Making, 2017-01-11) Yebra, Mar; Bermejo, Iñigo; Palacios Alonso, Miguel Ángel; Arias Calleja, Manuel; Luque Gallego, Manuel; Pérez Martín, Jorge; Díez Vegas, Francisco Javier
    Markov influence diagrams (MIDs) are a new type of probabilistic graphical models that extend influence diagrams in the same way as Markov decision trees extend decision trees. They have been designed to build state-transition models, mainly in medicine, and perform cost-effectiveness analysis. Using a causal graph that may contain several variables per cycle, MIDs can model various features of the patient without multiplying the number of states; in particular, they can represent the history of the patient without using tunnel states. OpenMarkov, an open-source tool, allows the decision analyst to build and evaluate MIDs—including cost-effectiveness analysis and several types of deterministic and probabilistic sensitivity analysis—with a graphical user interface, without writing any code. This way, MIDs can be used to easily build and evaluate complex models whose implementation as spreadsheets or decision trees would be cumbersome or unfeasible in practice. Furthermore, many problems that previously required discrete event simulation can be solved with MIDs, i.e., within the paradigm of state-transition models, in which many health economists feel more comfortable.