ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 21/3 - 2007  - pp.295-332  - doi:10.3166/ria.21.295-332
TITLE
Exact and approximate inference in ProBT

RÉSUMÉ
Nous présentons un cadre unificateur pour l'inférence exacte et approchée dans les réseaux bayésiens. Ce cadre est utilisé dans "ProBT", un moteur d'inférence généraliste permettant d'automatiser le raisonnement probabiliste et de faciliter la construction incrémentale des modèles. Cet article n'a pas pour objectif de présenter ProBT, mais de décrire ses algorithmes sous-jacents et principalement l'algorithme "Successive Restrictions Algorithm" (SRA) pour l'inférence exacte et l'algorithme "Monte Carlo Simultaneous Estimation and Maximization" (MCSEM) pour l'inférence approchée. L'idée principale de ProBT est d'utiliser la notion d'"expressions de probabilités". Ces expressions peuvent être "exactes" ou bien "approchées" et sont utilisées comme briques de base pour la construction incrémentale de modèles probabilistes plus complexes.


ABSTRACT
We present a unifying framework for exact and approximate inference in Bayesian networks. This framework is used in "ProBT", a general purpose inference engine for probabilistic reasoning and incremental model construction. This paper is not intended to present ProBT but to describe its underlying algorithms mainly the "Successive Restrictions Algorithm" (SRA) for exact inference, and the "Monte Carlo Simultaneous Estimation and Maximization" (MCSEM) algorithm for approximate inference problems. The main idea of ProBT is to use "probability expressions" that can be "exact" or "approximate" as basic bricks to build more complex models incrementally.


AUTEUR(S)
Kamel MEKHNACHA, Juan-Manuel AHUACTZIN, Pierre BESSIÈRE, Emmanuel MAZER, Linda SMAIL

MOTS-CLÉS
réseaux bayésiens, inférence exacte, inférence approchée, optimisation.

KEYWORDS
Bayesian networks, exact inference, approximate inference, optimization.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (1,98 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier