Etat de l'art sur les reseaux bayésiens

bonjour à toutes et à tous
je suis en train de faire l'état de l'art sur les reseaux bayésiens dans le domaine du diagnostic.
si qqun peut m'aider avec des articles ou des sites et quoi que ce soit je serais reconnaissant
merci d'avance

Pour commencer : http://algo.developpez.com/livres/#L2212111371

merci, j'ai lu deja ce livre il est bien detaillé.il est bien pour comprendre l'aspect mathématique des reseaux bayésiens et les différents algorithmes d'inférences et d'apprentissages.
dans mon travail il faut positionner les reseaux bayésiens par rapport à d'autres méthodes .le problème c'est que je n'ai pas trouvé assez de documentations pour cela.
merci de m'envoyer des documents ou des articles susceptibles d'étre interessants

Le livre est très explicite. Par rapport aux seuls vrais concurrents que sont les réseaux de neurones, les réseaux bayesiens ont plus de stabilité et la possibilité d'apprendre en cours de route. L'inconvénient, c'est le choix de la structure.

il n'y a pas que les reseaux de neurones mais aussi les méthodes à base de modèles que ce soit quantitative ou qualitatives....donc je voudrais bien le positionner par rapport à ces methodes .en plus les algorithmes d'inférences sont difficiles à comprendre .si vous avez des exemples d'applications des algorithmes d'inférences je serais reconnaissant
merci

j'ai pas bien compris ce que tu cherches. Tu as vraiment lu le bouquin ? Il y a tout un chapitre sur la comparaison avec les autres techniques.

Après si tu veut faire l'état de l'art des toutes les techniques d'IA existantes et les comparer les unes aux autres, bonne chance.

slt,
d'abord je te remercie pour ta réponse.ce que je veux c'est une comparaison dans le domaine du diagnostic seulement.j'ai bien lu le bouquin mais il n'a pas détaillé le positionnement par rapport aux autres methodes dans ce domaine précis.voila
en plus si vous avez des exemples pour bien comprendre les differents algorithmes d'inférences(notemment celui de Pearl et l'arbre de jonction) je serais reconnaissant
merci

pour ce qui est du domaine du diagnostic, je peut contribuer juste un peu disant que je connais les systèmes experts, et les systèmes probabilistes, tel que les réseaux bayésiens. Les système experts sont constitués de règles simples, mais ne permettent pas de prendre en compte l'incertitude. Les réseaux bayésiens, tu dois le savoir, ce qui est difficile c'est de construire un modèle correct (les algo d'apprentissage ne sont pas encore au point).

pour ce qui est des algos d'inférence, si je me souviens de mes cours, la méthode avec les arbres de jonction est une méthode exacte, peu utilisée car le calcul s'avère trop long (exponentiel selon le nombre de noeuds me semble t il). L'algo de Pearl je ne l'ai jamais étudié, mais je peut te demander à des amis la référence de l'article qui l'introduit (car si le bouquin n'a pas pu t'aider tu va devoir te taper l'article en anglais). Mais bon, peu importe de comprendre les algos d'inférence, a moins que tu n'en soit à un stage très poussé de ta modélisation ?

voilà tout pour moi

merci bcp pour ces precisions.
pour l'algorithme de Pearl appelé aussi message passing c'est un algorithme aussi exacte mais le calcul est NP-difficile .donc si tu peux m'aider en demandant à tes amis des articles je serais reconnaissant.
au fait je suis au début de mon stage de recherche donc je ne suis pas en stade avancé de ma recheche mais d'apres mon encadreur je dois au min comprendre ces 2 algorithmes d'inférences.mais vraiment c'est trop difficile surtout sur un reseau complexe.
voila
merci