Professional Documents
Culture Documents
Réseaux Bayésiens-Modèle de
Markov Caché
1
Réseaux Bayésiens-Définition
2
Réseaux Bayésiens-Avantages
3
Réseaux Bayésiens-Inconvenients
Utilisation des variables discrètes;
Difficulté de manipulation;
Ignorance des évolutions du système dans le
temps. Modèle
Dynamique
Modèle
Statique
4
Modélisation-1/2
Une situation dynamique peut être définie par un
enchainement chronologique d’états;
HMM KFM
6
MODÈLE DE MARKOV CACHÉ-DÉFINITION
Un quadruplet {X,π,A,B};
X: l’ensemble des états cachés ;
πi la probabilité que Xi soit à l'état initial ;
Aij la probabilité de transition : propriété de
Markov A(i,j)=P(Xt=j|Xt-1=i);
Bi(K)la probabilité d'émettre le symbole k
étant dans l'état Xi ; Bi(k) = P(Yt | Xt ).
7
MODÈLE DE MARKOV CACHÉ-FORMALISME
Observations K
Y1 Y2 Y3 Y4 Y5 Y6 Y7
Etats internes
(cachés) X1 X2 X3 X4 X5 X6 X7
9
HMM & KFM- INCONVÉNIENTS
RBD
10
RÉSEAUX BAYÉSIENS DYNAMIQUES
L’ignorance de
l’aspect La complexité
temporel du calcul
RBD
11