Les modèles graphiques probabilistes constituent des modèles de connaissance et de raisonnement dans l'incertain. Leur idée clef consiste à exploiter différentes formes d'indépendances, représentées essentiellement sous la forme de graphes, afin d'encoder de manière très compacte des distributions de probabilités multivariées. Le nombre croissant de travaux méthodologiques ou appliqués sur ces modèles, que ce soit en médecine, maîtrise des risques, bioinformatique, robotique, etc., atteste de leur intérêt depuis une trentaine d'années.
Tous les deux ans, les JFRB sont l'occasion de permettre la rencontre et de faciliter les échanges entre les chercheurs académiques du domaine mais également les acteurs industriels intéressés par les réseaux bayésiens, et plus généralement, par les modèles graphiques probabilistes. À l'instar des éditions précédentes, les JFRB 2023 fonctionnent sur le principe de la soumission d'articles, avec relecture et sélection par un comité de programme.
Comité scientifique
Séverine Affeldt (Université de Paris, CNRS, Centre Borelli, Paris, France)
Nahla Ben Amor (LARODEC, ISG Tunis, Tunis, Tunisie)
Salem Benferhat (CRIL, Université d'Artois, Lens, France)
Chargement... 
