Learning possibilistic graphical models from data

Ce travail s intègre dans le cadre de l apprentissage automatique des réseaux possibilistes, la contrepartie possibiliste des réseaux bayésiens qui représentent une combinaison intéressante entre la théorie des possibilités et les modèles graphiques. Cette thèse présente deux contributions majeures....

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Haddad Maroua (Auteur), Leray Philippe informaticien (Directeur de thèse), Ben Amor Nahla (Directeur de thèse), Elouedi Zied (Président du jury de soutenance), Dubois Didier chercheur en informatique (Rapporteur de la thèse), Lefebvre Eric (Rapporteur de la thèse), Tabia Karim (Membre du jury)
Collectivités auteurs : Université de Nantes 1962-2021 (Organisme de soutenance), Université de Tunis 1958-1988 (Organisme de cotutelle), École doctorale Sciences et technologies de l'information et mathématiques Nantes (Ecole doctorale associée à la thèse), Laboratoire d Informatique de Nantes Atlantique (UMR 6241) Nantes (Laboratoire associé à la thèse)
Format : Thèse ou mémoire
Langue : anglais
Titre complet : Learning possibilistic graphical models from data / Maroua Haddad; sous la direction de Philippe Leray et de Nahla Ben Amor
Publié : 2016
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès au texte intégral
Note de thèse : Thèse de doctorat : Informatique : Nantes : 2016
Thèse de doctorat : Informatique : Université de Tunis : 2016
Sujets :