Réseau bayésien dynamique étiqueté pour l'apprentissage de structure d'un réseau écologique

摘要

L'apprentissage d'un réseau bayésien dynamique (RBD) consiste à apprendre les indépendances conditionnelles ainsi que tes probabilités conditionnelles entre un ensemble de variables aléatoires qui évoluent dans le temps. Dans cet article, nous proposons une méthode d'apprentissage d'un réseau bayésien dynamique "étiqueté". Dans un tel modèle, le graphe représentant les indépendances conditionnelles contient des arcs étiquetés selon un nombre réduit d'interactions possibles. Les tables de probabilités conditionnelles sont définies par des fonctions dont les paramètres, d'un nombre fixe dépendant du nombre d'étiquettes, sont partagés entre toutes les variables aléatoires. L'algorithme d'apprentissage alterne une phase d'estimation des paramètres partagés et d'amélioration de la structure du graphe maximisant localement la vraisemblance des données. Un modèle de RBD étiqueté est proposé pour représenter la dynamique d'espèces en interaction dans un réseau écologique. Des expérimentations numériques démontrent la faisabilité et l'efficacité de l'algorithme d'apprentissage proposé sur celte application.