Inférence dans les réseaux possibilistes basés sur le conditionnement ordinal
Les algorithmes d'inférence dans les arbres de jonction possibilistes, bien qu'efficaces, atteignent leurs limites lorsque les cliques générées sont de tailles importantes. Dans cet article, nous présentons deux alternatives à cet algorithme standard : 1. Une approche exacte qui permet de représenter d'une manière compacte l'incertitude au niveau des noeuds et des cliques utilisant la logique possibiliste; 2. Une approche approximative qui permet d'éviter la transformation graphique du graphe initial en un arbre de jonction utilisant la propriété d'idempotence de l'opérateur minimum.
Junction tree inference algorithms in possibilistic networks are efficient tools to deal with uncertain pieces of information. In presence of important clusters in terms of variables number, these algorithms are inadequate to resolve such instances. In this paper, we present two alternatives for standard algorithms: - An exact approach which consists of compactly representing uncertainty at the level of nodes and clusters using possibilistic logic. - An approximative approach which allows to avoid the graphical transformation from the initial graph to the junction tree structure using the idempotency of the minimum operator.
N.BEN AMOR, S.BENFERHAT, K.MELLOULI, S.SMAOUI
logique possibiliste, réseaux bayésiens, réseaux possibilistes, inférence.
possibilistic logic, bayesian networks, possibilistic networks, inference.
Français
|
