Réseaux Bayésiens

Séance du 9 avril 2014 (13h45 – 17h15) (Affiche à télécharger ici)

Les réseaux bayésiens sont un outil de modélisation probabiliste permettant d’acquérir, de capitaliser et d’exploiter des connaissances. Ils doivent leur nom à l’utilisation d’un réseau dont les nœuds sont les variables d’intérêt, et aux réflexions de Thomas Bayes autour des probabilités conditionnelles. Particulièrement adaptés à la prise en compte de l’incertitude, ils peuvent aussi bien être décrits manuellement par les experts du domaine que générés automatiquement par apprentissage. L’exploitation de ces réseaux permet le diagnostic, l’analyse ou la prise de décision par exemple.

De profils différents, les orateurs nous feront partager leur expérience des réseaux bayésiens, par la présentation de méthodes, d’applications et d’expériences mises en œuvre sur différents logiciels.

Cette manifestation est programmée en avant-première du Spring Meeting ENBIS sur le thème Graphical Causality Models: Tree, Bayesian Networks and Big Data. Elle est précédée d’une matinée de deux exposés offrant une large introduction à ce sujet http://springmeeting2014.sfds.asso.fr/

Programme
– Bayesian Belief Networks for Decision Support, Lionel Jouffe (Bayesia)
– Visualising Posterior MCMC Samples with JMP, Ian Cox (JMP) PDF
– Building, handling and using Bayesian networks with R and Bugs, Jean-Baptiste Denis (INRA) PDF
– Multiple Quantitative Trait Analysis in Statistical Genetics with Bayesian networks, Marco Scutari (UCL) PDF
– RESTful Bayesian Networks: The ISM API, Michael Ashcroft (Inatas AB)
An overview of the functionality present in the Inatas System Modeler (ISM) API, through a use study.