Lien ebook : https://univ-scholarvox-com.ezproxy.univ-catholille.fr/book/88826293

eISBN : 978-2-7598-1198-4

Sommaire :
PRÉFACE

Chapitre 1. Cas discret : les réseaux bayésiens multinomiaux
1.1 Exemple introductif : une enquête sociologique
1.2 Représentation graphique
1.3 Représentation probabiliste
1.4 Estimation des tables de probabilités
1.5 Apprentissage de la structure du graphe
1.6 Utilisation d'un rb discret
1.7 Diagrammes pour rb discrets
1.8 Lectures complémentaires

Chapitre 2. Cas continu : les réseaux bayésiens gaussiens
2.1 Exemple introductif : analyse d'un rendement
2.2 Représentation graphique
2.3 Représentation probabiliste
2.4 Estimation des paramètres
2.5 Apprentissage de la structure du dag
2.6 Utilisation d'un rbg
2.7 Diagrammes
2.8 Propriétés supplémentaires
2.9 Lectures complémentaires

Chapitre 3. Réseaux bayésiens hybrides
3.1 Exemple introductif : production de fer pour béton
3.2 Exemple d'une récolte parasitée

3.3 A propos des logiciels bugs
3.4 Lectures complémentaires

Chapitre 4. Théorie des réseaux bayésiens et algorithmes associés
4.1 Indépendance conditionnelle et séparation graphique
4.2 Les réseaux bayésiens
4.3 Couvertures de Markov
4.4 Graphes moralisés
4.5 Apprentissage d'un réseau bayésien
4.6 Inférence par réseaux bayésiens
4.7 Réseaux bayésiens causaux
4.8 Lectures complémentaires

Chapitre 5. Logiciels pour réseaux bayésiens
5.1 Revue des paquets R
5.2 Les logiciels bugs
5.3 Autres logiciels

Chapitre 6. Réseaux bayésiens en grandeur réelle
6.1 Prédiction de la composition corporelle 1
6.2 Apprentissage d'un réseau de protéines-signal
6.3 Lectures complémentaires

Pour conclure

Annexe A. Théorie des graphes
Annexe B. Distributions de probabilités
Annexe C. Glossaire
Annexe D. Solutions

Bibliographie
Index

Langue : Français

Localisation : Bibliothèque Campus de Nice

Support : Numérique

Etat : Présent

Propriétaire : Bibliothèque