Skip to main content

Approximate Inference in Probabilistic Models

Article Category

Article available in the folowing languages:

Prédire le mouvement des robots et la transmission héréditaire des maladies

Des scientifiques financés par l'UE ont mis au point des modèles mathématiques améliorés pouvant être appliqués à la robotique et à la bioinformatique.

Technologies industrielles

Les probabilités peuvent être un cours de mathématique que beaucoup redoutent. Mais c'est en fait une discipline tout à fait courante dans la vie quotidienne qui permet d'estimer les chances qu'un évènement survienne, comme c'est le cas pour les prévisions météorologiques et le risque qu'il pleuve ou les chances de décrocher une offre d'emploi. Les sciences ont largement recours aux modèles probabilistes dans des situations réelles telles que les processus cognitifs, l'exploration de données, etc. Ils permettent de prévoir ou d'estimer les chances qu'un évènement se produise (c'est-à-dire qu'une variable ait une certaine valeur) par rapport à des données existantes. Pour cela, on a souvent recours à un processus appelé inférence approximative. Étant donné que les techniques d'inférence approximatives sont importantes dans de nombreuses applications de la vie courante, l'amélioration des techniques conduira à l'élaboration de solutions meilleures répondant à ces problèmes. Des chercheurs européens souhaitant mettre au point des modèles probabilistes et des techniques d'approximation applicables à la robotique et à la bioinformatique (modèles de données génétiques) ont lancé le projet Infprobmod («Approximate inference in probabilistic models»). Les scientifiques sont parvenus à élaborer une méthode de segmentation des données de séries chronologiques (données évoluant au fil du temps), telle que celle qui est liée aux mouvements de l'homme. La technique numérique est importante pour la génération de bibliothèques de mouvements de base dans le domaine de la robotique. Les chercheurs ont également étendu un modèle génétique populaire pour inclure les liens mère-père-enfant, ouvrant la voie à une analyse plus générale des données génétiques provenant de personnes apparentées. Ce modèle est particulièrement pertinent pour les maladies héréditaires complexes. Les deux modèles ont été soigneusement mis en œuvre avec un logiciel convivial nécessitant un minimum d'intervention humaine ou de connaissances de la modélisation. Les résultats du projet Infprobmod, qui devraient être bien accueillis tant par la communauté de la robotique et que celle de la modélisation génétique, a des implications importantes pour son extension à de nombreux autres modèles mathématiques similaires.

Découvrir d’autres articles du même domaine d’application