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.229-252  - doi:10.3166/ria.29.229-252
TITRE
Apprentissage des réseaux possibilistes à partir de données

TITLE
Learning possibilistic networks from data

RÉSUMÉ
Les réseaux possibilistes représentent des outils importants de modélisation et de raisonnement, en particulier, en présence d’informations imprécises et/ou incertaines. Ces modèles graphiques ont été efficacement utilisés dans plusieurs applications réelles. Vu que leur construction par des experts est une tâche complexe qui prend beaucoup de temps, plusieurs chercheurs ont essayé d’apprendre ces modèles à partir de données. Dans ce travail, nous essayons de présenter tous les travaux pertinents reliés à l’apprentissage des réseaux possibilistes à partir de données. En effet, nous présentons un aperçu des méthodes qui ont déjà été proposées dans ce sens et les limites de chaque méthode vis-à-vis des recherches récentes développées dans le cadre de la théorie des possibilités.


ABSTRACT
Possibilistic networks are important tools for modeling and reasoning, especially in the presence of imprecise and/or uncertain information. These graphical models have been successfully used in several real applications. Since their construction by experts is complex and time consuming, several researchers have tried to learn them from data. In this work, we try to present relevant works related to learning possibilistic networks from data. In fact, we give an overview of methods that have already been proposed in this context and limitations of each one of them towards recent researches developed in possibility theory framework.


AUTEUR(S)
Maroua HADDAD, Philippe LERAY, Nahla BEN AMOR

MOTS-CLÉS
théorie des possibilités, modèles graphiques, réseaux possibilistes, apprentissage automatique

KEYWORDS
possibility theory, graphical models, possibilistic networks, machine learning

LANGUE DE L'ARTICLE
Français

 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  (336 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier