Andere Kunden interessierten sich auch für
![Classification de tumeurs cérébrales à base de réseaux Bayésiens]( "Classification de tumeurs cérébrales à base de réseaux Bayésiens")
Classification de tumeurs cérébrales à base de réseaux Bayésiens36,99 €![Réseaux et files d'attente: méthodes probabilistes]( "Réseaux et files d'attente: méthodes probabilistes")
Réseaux et files d'attente: méthodes probabilistes39,99 €![Sur les intervalles de confiance bayésiens]( "Sur les intervalles de confiance bayésiens")
Sur les intervalles de confiance bayésiens25,99 €![Fusion de Données Et Modèles Bayésiens Pour La Télémédecine]( "Fusion de Données Et Modèles Bayésiens Pour La Télémédecine")
Fusion de Données Et Modèles Bayésiens Pour La Télémédecine32,99 €![Incomplétude des données climatiques et méthodes d'estimation]( "Incomplétude des données climatiques et méthodes d'estimation")
Incomplétude des données climatiques et méthodes d'estimation36,99 €![Agrégation et méthodes à patch pour le débruitage d'image]( "Agrégation et méthodes à patch pour le débruitage d'image")
Agrégation et méthodes à patch pour le débruitage d'image38,99 €![Étude comparative des méthodes de stabilité des modèles stochastiques]( "Étude comparative des méthodes de stabilité des modèles stochastiques")
Étude comparative des méthodes de stabilité des modèles stochastiques36,99 €
Les réseaux Bayésiens (RB) font partie des méthodes d'apprentissage automatique les plus puissantes permettant de modéliser graphiquement et de manière probabiliste différentes types de systèmes complexes. Un des problèmes communs dans l'apprentissage de la structure des RB est des données de petites tailles. Les méthodes d'apprentissage ensemblistes (eg. le bootstrap ou les algorithmes génétiques...) sont des méthodes souvent utilisées pour traiter le problème de la pauvreté de données. Toutefois, les méthodes existantes ne permettent pas de comparer deux ensembles de modèles. Nous proposons une nouvelle méthode basée sur le graphe quasi-essentiel (QEG: Quasi Essential Graph) et l'utilisation d'un test multiple afin de comparer deux ensembles de RB. Le QEG permet de résumer et de visualiser graphiquement un ensemble de RB. Le test multiple permet de vérifier si les différences sont statistiquement significatives et de positionner ces différences. L'application sur des données synthétiques et expérimentales a démontré les différents intérêts de la méthode proposée dans la reconstruction des réseaux de régulation génétique et perspectivement dans d'autres applications.