En cours de chargement...
Les réseaux bayésiens sont l'un des modèles les plus populaires de la communauté IA pour modéliser des incertitudes. Ils combinent en effet un encodage compact de distributions de probabilités et des mécanismes de calculs probabilistes très efficaces. Ils sont actuellement utilisés dans des domaines assez variés comme par exemple le diagnostic de panne, la modélisation d'utilisateur, l'aide à la décision médicale, ou bien encore la robotique.
Leur champ d'application est d'autant plus grand que le réseau peut être construit à partir de données hétérogènes provenant de sources elles aussi hétérogènes. L'encodage assure alors que ces données pourront être combinées de manière à produire des résultats toujours significatifs. Depuis quelques années, les recherches sur les réseaux bayésiens tournent autour de trois axes principaux, qui sont tous abordés dans ce numéro spécial : la construction du réseau et en particulier l'apprentissage automatique du réseau à partir de bases de données, les algorithmes de propagation d'informations dans le réseau, autrement dit l'inférence probabiliste, et l'utilisation pratique des réseaux bayésiens dans des problèmes industriels.