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 21/4 - 2007  - pp.457-458
TITRE
Editorial

RÉSUMÉ
Les modèles graphiques sont des outils importants pour la représentation et le traitement des informations incertaines. Parmi les modèles graphiques les plus utilisés on trouve les réseaux bayésiens, qui permettent de coder des relations probabilistes entre les variables d'intérêt. Un réseau bayésien est représenté par un graphe orienté sans cycliques (DAG) où les noeuds correspondent aux variables et les liens représentent des relations de dépendance entre les variables. L'incertitude est représentée au niveau des noeuds par des distributions de probabilité a priori. Ainsi, un réseau bayésien permet une représentation compacte de la distribution jointe sur l'ensemble de variables.
Depuis une quinzaine d'années, de nombreux modèles graphiques, alternatives aux réseaux bayésiens, ont été proposés. Ces modèles permettent la représentation et le raisonnement à partir d'informations incertaines, où l'incertitude est décrite dans des théories de l'incertitude non probabilistes, comme la théorie des possibilités ou encore la théorie des fonctions de croyances. Ils permettent également la prise de décision et la gestion des préférences.
Ce numéro spécial contient une sélection de quatre articles qui portent sur des modèles graphiques non probabilistes pour l'incertitude et les préférences.
[...]

AUTEUR(S)
Salem BENFERHAT

LANGUE DE L'ARTICLE
Français

 PRIX
GRATUIT
   
ACCÉDER A L'ARTICLE COMPLET  (81 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier