Estimation d’effets causaux dans les réseaux de régulation génique : vers la grande dimension

Résumé : Nous proposons dans ce papier une méthode permettant de déceler les liens causaux dans une hypothèse graphe acyclique dirigé (DAG). En particulier, nous nous focalisons sur les difficultés du cas en grande dimension. Nous commençons par introduire une méthode récente d’inférence causale, que nous modifierons pour en améliorer les performances. Nous y ajouterons la possibilité d’inclure un squelette ainsi qu’une pénalisation Ridge. Nous finirons sur quelques simulations numériques.
Type de document :
Article dans une revue
Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2015, 29 (2), pp.205-227. 〈10.3166/ria.29.205-227〉
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01194142
Contributeur : Archive Ouverte Prodinra <>
Soumis le : vendredi 4 septembre 2015 - 21:22:35
Dernière modification le : mardi 30 mai 2017 - 01:17:52

Identifiants

Citation

Gilles Monneret, Florence Jaffrezic, Andrea Rau, Grégory Nuel. Estimation d’effets causaux dans les réseaux de régulation génique : vers la grande dimension. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2015, 29 (2), pp.205-227. 〈10.3166/ria.29.205-227〉. 〈hal-01194142〉

Partager

Métriques

Consultations de la notice

79