ajout de la semaine 6

semaine06.md

@@ -13,11 +13,13 @@ header-includes:
 Référence: [Managing Uncertainty in Rule-Based Systems](http://mercury.webster.edu/aleshunas/CSIS%205420/CSIS%205420/Instructor%20Materials/Chapter%2013.pdf)
 
 Types d'incertitude:
+
 - Définition de l'antécédent de la règle
 - Niveau de confiance en la règle
 - Comment combiner les informations incertaines et le déclenchement de plusieurs règles
 
 Méthodes pour gérer l'incertitude:
+
 - Basées sur les probabilités
     - Objeectives
         - Valeurs bien définies pour un problème donné 
@@ -88,6 +90,14 @@ Besoin de beaucoup de données pour avoir un bon estimé des probabilité condit
 
 Source: [Probabilistic frame-based systems](http://ai.stanford.edu/%7Ekoller/Papers/Koller+Pfeffer:AAAI98.pdf)
 
+- Intégration des réseaux bayesiens dans les systèmes de représentations par schémas.
+- Annotation d'un schéma avec un modèle de probabilités. Réseau bayesien représentant la distribution des différents paramètres des terminaux du schéma.
+- Utilisation du mécanisme d'héritage
+- Incertitude structurelle
+- Utilisation des facettes et des restrictions du domaine de valeurs. Peut être vu comme une généralisation des restrictions du domaine de valeurs en donnant la distribution de ce domaine de valeurs.
+- Table de probabilités conditionnelles
+- Le réseau doit être acyclique 
+
 
 ## Systèmes à base d'estimation (valuation-based system)
 
@@ -97,6 +107,7 @@ Source: [Prakash P. Shenoy - Valuation-Based Systems (Slides)](http://www.gipsa-
 
 Système mathématique formel pour représenter et raisonner avec des connaissances.
 Deux parties:
+
 - Statique: Représentation des connaissances
     - Variables: ensemble fini $\Phi = \lbrace X, Y, Z, \ldots \rbrace$ et sous-ensembles $r,s,t,\ldots$
     - Estimations: ensemble fini $\Psi = \lbrace \rho, \sigma\, \tau \rbrace$ qui encodent les connaîssance s sur un sous-ensemble de variable.