Les réseaux bayésiens

Les réseaux bayésiens (RB) sont des outils puissants de représentation des connaissances incertaines sous-jacentes dans les données, et de raisonnement à partir d'observations incomplètes. Ces modèles ont été étendus de différentes manières, avec par exemple les RB causaux, les RB dynamiques, les RB relationnels, ...

Dans cette présentation, nous nous concentrerons sur l'apprentissage des RB. Cet apprentissage peut différer en fonction de la tâche : modèle génératif vs. discriminant ? Il peut aussi varier en fonction de la nature des données : complètes/incomplètes, données non i.i.d., nombre de variables >> nombre d'exemples, flux de données, présence de connaissance à priori ...

De part la diversité des situations, de nombreuses approches ont émergé dans la littérature. Nous présenterons un panorama de ces algorithmes et présenterons nos travaux actuels sur le sujet.

Notre présentateur :

Philippe Leray (http://tinyurl.com/PhLeray) est diplômé d'une école d'ingénieur en Informatique depuis 1993. Il a obtenu son doctorat en Informatique à l'Université Paris 6 en 1998 sur l'utlisation des réseaux bayésiens et des réseaux de neurones pour le diagnostic de systèmes complexes.

Depuis 2007, il est Professeur des Universités à l'Université de Nantes, enseignant à Polytech'Nantes et chercheur dans l'équipe DUKe (http://www.lina.univ-nantes.fr/?-DUKe-.html) - Data User Knowledge, dont il est le responsable.

Il travaille depuis dans le domaine des réseaux bayésiens depuis presque 15 ans, autant au niveau théorique (apprentissage) qu'applicatif (fiabilité, détection d'intrusion, bio-informatique, ...).

Il est l'un des auteurs du livre de référence (http://www.editions-eyrolles.com/Livre/9782212119725/reseaux-bayesiens) sur le sujet dont la 3ème édition est parue en 2007 aux éditions Eyrolles.