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

L’apprentissage d’un réseau bayésien dynamique (RBD) consiste à apprendre les indépendances conditionnelles ainsi que les 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 cette application. Dynamic Bayesian Network (DBN) learning consists in learning both conditionnal independances and conditional probability tables between random variables evolving in time. In this article, we propose an approach to learn "labelled" DBNs. In this model, the graphical representation of the conditional independancies contains edges that are labeled amongst a small number of possible interactions. Conditional probabilities tables are defined by parameterized functions and parameters are shared between the functions. The proposed approach interleaves parameter improvement phases and structure improvement phases that locally improve the likelihood of the data. A labelled DBN model is proposed to represent the dynamic of species interacting whithin an ecological network. Experiments are performed, which demonstrate the feasibility and efficiency of the approach.