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 29/2 - 2015  - pp.149-151
TITRE
INTRODUCTION

RÉSUMÉ

Dans ce numéro spécial, nous présentons une sélection d’articles de recherche utilisant largement les modèles graphiques probabilistes et initialement présentés dans une version courte lors des 7e Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (JFRB) organisées à Paris en juin 2014. Le premier article s’intéresse au problème difficile de l’apprentissage de la structure d’un modèle graphique probabiliste (ici, non orienté) et se propose de l’approcher avec une méthode bayésienne innovante se focalisant sur une classe très particulière de réseaux : les arbres. Après cette première contribution méthodologique, le deuxième article propose d’utiliser ces outils pour modéliser le comportement d’un ensemble d’agents, avec une application à l’étude des trajectoires dans une colonie d’abeilles. Le troisième article évoque l’épineux problème de la recherche de causalité dans un réseau de gènes et propose une méthode originale permettant de combiner à la fois des données d’observation et d’intervention. Le dernier article, enfin, propose une ouverture vers les approches possibilistes dont l’objectif est de présenter une alternative aux approches probabilistes afin de mieux prendre en compte les informations approximatives ou imprécises auxquelles nous sommes très souvent confrontés dans les applications réelles.



AUTEUR(S)
Philippe LERAY, Grégory NUEL

LANGUE DE L'ARTICLE
Français

 PRIX
GRATUIT
   
ACCÉDER A L'ARTICLE COMPLET  (147 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier