Read more
Le réseau bayésien est une combinaison de modèle probabiliste et de modèle graphique. Il est largement appliqué dans l'apprentissage automatique, l'exploration de données, le diagnostic, etc. parce qu'il offre une inférence solide basée sur des preuves qui est familière à l'intuition humaine. Cependant, le réseau bayésien peut être source de confusion car il comporte de nombreux concepts, formules et diagrammes complexes. Ces concepts doivent être organisés et présentés d'une manière si claire qu'il est facile de les comprendre. C'est l'objectif de ce rapport. Le rapport comprend 5 sections principales qui couvrent les principes du réseau bayésien. La section 1 est une introduction au réseau bayésien et présente quelques concepts de base. Les concepts avancés sont mentionnés dans la section 2. Le mécanisme d'inférence du réseau bayésien est décrit dans la section 3. L'apprentissage des paramètres, qui nous explique comment mettre à jour les paramètres du réseau bayésien, est décrit dans la section 4. La section 5 se concentre sur l'apprentissage de la structure qui mentionne comment construire un réseau bayésien. En général, les trois principaux sujets du réseau bayésien sont l'inférence, l'apprentissage des paramètres et l'apprentissage de la structure, qui sont mentionnés successivement dans les sections 3, 4 et 5. La section 6 est la conclusion.
About the author
Loc Nguyen ist seit 2017 ein unabhängiger Wissenschaftler. Er ist Postdoktorand in Informatik, zertifiziert von INSTICC im Jahr 2015. Seit 2016 ist er von der LMS als Mathematiker anerkannt. 2016 wurde ihm von HOSREM der Doktortitel in statistischer Medizin verliehen. Er hat 78 Arbeiten und Vorabdrucke sowie 8 wissenschaftliche und technologische Produkte veröffentlicht.
