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 17/1-3 - 2003  - pp.411-422
TITRE
Analyse de l'effet du bruit dans les algorithmes d'apprentissage des réseaux Bayésiens

RÉSUMÉ
Le bruit dans les données peut causer une augmentation considérable de la complexité structurelle des réseaux Bayésiens appris. Nous analysons, dans cet article, ces effets dans le détail. Contrairement aux sur-spécialisations classiques affectant les autres classes de méthodes d'apprentissage, nous montrons que, dans le cas des réseaux Bayésiens, ce phénomène est justifié théoriquement par un véritable changement des relations d'indépendance conditionnelle entre les variables. Nous montrons aussi que ce changement est bénéfique pour le pouvoir prédictif des modèles appris.


ABSTRACT
The noise in data may cause a significant increase of the complexity of learned Bayesian networks. In this paper, we analyze these effects in the detail. We show that, unlike classical over-fitting which affects other classes of learning methods, this phenomenon is theoretically justified by the alteration of the conditional independence relations between the variables and is beneficial for the predictive power of the learned models.


AUTEUR(S)
Mohamed BENDOU, Paul MUNTEANU

MOTS-CLÉS
réseaux Bayésiens, apprentissage, relations d'(in)dépendance, bruit dans les données, pouvoir prédictif des réseaux Bayésiens.

KEYWORDS
Bayesian networks, learning, (in)dependence relationships, noise in data, predictive power of Bayesian networks.

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  (261 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier