Réseau bayésien hiérarchique
Un réseau bayésien hiérarchique est un modèle graphique probabiliste qui organise les variables sur plusieurs niveaux d'abstraction. Les nœuds de niveau supérieur régissent les distributions a priori des nœuds de niveau inférieur par le biais d'hyperparamètres, permettant un partage structuré d'informations entre groupes, contextes ou sous-ensembles de données tout en préservant la représentation de graphe orienté acyclique (DAG) des dépendances conditionnelles.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Koller, D. & Friedman, N. (2009). Probabilistic Graphical Models: Principles and Techniques. MIT Press. ISBN: 978-0262013192
- Friedman, N., Getoor, L., Koller, D. & Pfeffer, A. (1999). Learning probabilistic relational models. Proceedings of the 16th International Joint Conference on Artificial Intelligence (IJCAI-99), 1300-1307. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Hierarchical Bayesian Network. ScholarGate. https://scholargate.app/fr/bayesian/hierarchical-bayesian-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Modèle hiérarchique bayésien avec données manquantesBayésien↔ compare
- Réseau bayésienBayésien↔ compare
- Réseau bayésien dynamiqueBayésien↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- Chaîne de Markov Monte Carlo hiérarchiqueBayésien↔ compare
- Inférence variationnelle hiérarchiqueBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →