Accueil > Manifestations > Thèses et HDR > Thèses > Aida Jarraya

Aida Jarraya

Directeur de thèse

Philippe Leray
Afif Masmoudi

Résumé

L’apprentissage d’un réseau Bayésien consiste à estimer le graphe (la structure)
et les paramètres des distributions de probabilités conditionnelles associées à ce
graphe. Les algorithmes d’apprentissage de réseaux Bayésiens utilisent en pratique
une approche Bayésienne classique d’estimation a posteriori dont les paramètres sont
souvent déterminés par un expert ou définis de manière uniforme
Le coeur de cette thèse concerne l’application aux réseaux Bayésiens de plusieurs
avancées dans le domaine des Statistiques comme l’estimation implicite,
les familles exponentielles naturelles ou les mélanges infinis de lois Gaussiennes
dans le but de (1) proposer de nouvelles formes paramétriques, (2) estimer des paramètres de tels modèles et (3) apprendre leur structure.

Composition du jury

  • R. Aguech, Maître de conférences HDR, Université de Sousse, Rapporteur
  • R. Emilion, Professeur, Université d’Orléans, Rapporteur
  • J.M. Poggi, Professeur, Université Paris Sud, Examinateur
  • A. Hassairi, Professeur, Université de Sfax, Président du jury
  • A. Masmoudi, Professeur, Université de Sfax, Directeur de thèse
  • P. Leray, Professeur, Université de Nantes, Directeur de thèse

Dernière modification : vendredi 8 novembre 2013