Search

Modèles de connaissances pour l'aide à la décision, le diagnostic ou le contrôle de systèmes complexes Technique mathématique combinant statistiques et intelligence artificielle, les réseaux bayésiens permettent d'analyser de grandes quantités de données pour en extraire des connaissances utiles à la prise de décision, contrôler ou prévoir le comportement d'un système, diagnostiquer les causes d'un phénomène, etc. Les réseaux bayésiens sont utilisés dans de nombreux domaines : santé et environnement (localisation de gènes, diagnostic, gestion des ressources naturelles), industrie et transports (contrôle d'automates et de véhicules), informatique et réseaux (agents intelligents), marketing (data mining, gestion de la relation client), management (aide à la décision, analyse financière, gestion des risques), etc. Fondements théoriques, méthodologie de mise en oeuvre, études de cas et panorama des outils Après une première partie de présentation "intuitive" des réseaux bayésiens accompagnée d'exercices, la deuxième partie du livre en expose les fondements théoriques, avec une étude détaillée des algorithmes les plus importants. Résolument pratique, la troisième partie de l'ouvrage propose une méthodologie de mise en oeuvre, un panorama des domaines d'application, six études de cas détaillées, ainsi qu'une présentation des principaux logiciels de modélisation de réseaux bayésiens (Bayes Net Toolbox, BayesiaLab, Hugin, Netica et Elvira). À qui s'adresse l'ouvrage ? Aux ingénieurs, informaticiens, industriels, biologistes, économistes confrontés à des problèmes d'analyse de données, d'aide à la décision, de gestion des connaissances, de diagnostic ou de contrôle de systèmes. Aux étudiants en mathématiques appliquées, algorithmique, économie, recherche opérationnelle, gestion de production, automatique, etc.

LES PROCESSUS DE MARKOV SONT UTILISES COURAMMENT POUR ETUDIER LA FIABILITE DE SYSTEMES INDUSTRIELS. LA COMPLEXITE DES SYSTEMES ET LA HAUTE QUALITE DES COMPOSANTS CONDUISENT A DES MODELES RAIDES ET DE GRANDE TAILLE, PAR EXEMPLE POUR LES SYSTEMES INFORMATISES DE PROTECTION DES CENTRALES NUCLEAIRES. LES METHODES CLASSIQUES DE RESOLUTION SONT ALORS COUTEUSES VOIRE INAPPLICABLES. CETTE THESE PROPOSE UNE METHODE APPROCHEE POUR LA RESOLUTION DE MODELES MARKOVIENS RAIDES ET DE GRANDE TAILLE. CETTE METHODE, APPELEE APPROXIMATION LENT-RAPIDE, S'APPUIE SUR L'OBSERVATION QUE LES EVENEMENTS QUI AFFECTENT LES SYSTEMES SE PRODUISENT SELON DES ECHELLES DE TEMPS TRES DIVERSES : LES TEMPS DE REPARATION SONT COURTS PAR RAPPORT AUX TEMPS DE MISSION DES SYSTEMES ET A FORTIORI PAR RAPPORT AUX TEMPS JUSQU'A LA DEFAILLANCE DES COMPOSANTS. L'ETUDE DU CONSERVATISME ET LA MESURE DE L'ERREUR D'APPROXIMATION PERMETTENT D'APPRECIER L'INTERET DE LA METHODE. PLUSIEURS EXEMPLES, DONT CERTAINS TIRES DE PREOCUPATIONS INDUSTRIELLES RECENTES, METTENT EN RELIEF LES AVANTAGES DE L'APPROXIMATION LENT-RAPIDE.