Estimation d’effets causaux dans les réseaux de régulation génique : vers la grande dimension - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Article Dans Une Revue Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle Année : 2015

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

Résumé

In this paper we propose a method which can infer causal links. In particular we focus on the difficulty of high dimensional cases. We begin by introducing a recent model that we will modify to improve performance. We add a skeleton and a Ridge penalty. We finish with some numerical simulations.
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.
Fichier non déposé

Dates et versions

hal-01194142 , version 1 (04-09-2015)

Identifiants

Citer

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, 2015, 29 (2), pp.205-227. ⟨10.3166/ria.29.205-227⟩. ⟨hal-01194142⟩
230 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More