Apprentissage de la structure d'un réseau bayésien par un algorithme génétique - Université de Tours Accéder directement au contenu
Article Dans Une Revue Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle Année : 2007

Apprentissage de la structure d'un réseau bayésien par un algorithme génétique

Résumé

Combinant les propriétés de la théorie des probabilités et de la théorie des graphes, les réseaux bayésiens ont acquis une popularité certaine durant la dernière décennie. La détermination de la structure d'un modèle à partir d'une base de cas demeure cependant un problème délicat. Nous avons développé un algorithme génétique déterminant une structure tout en s'affranchissant des limitations fréquemment imposées (nombre limité de parents par variable, connaissance d'un ordre total sur les variables). L'algorithme parcourt l'espace des graphes orientés sans circuit et repère un ensemble d'optima locaux pour renvoyer le meilleur optimum local trouvé.
Fichier non déposé

Dates et versions

hal-01023195 , version 1 (11-07-2014)

Identifiants

  • HAL Id : hal-01023195 , version 1

Citer

Alain Delaplace, Thierry Brouard, Hubert Cardot. Apprentissage de la structure d'un réseau bayésien par un algorithme génétique. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, 2007, 21, pp.333-352. ⟨hal-01023195⟩
159 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More