Actividad de investigación

• Amélioration des méthodes de calcul d'inférences exactes et approchées dans un réseau bayésien
• Apprentissage de la structure et des paramètres
• Cadre orienté objet de modélisation de réseaux bayésiens (OOBN, MEBN, PRM) et algorithmes associés;
• Diagnostic à base de réseaux bayésiens
• Apprentissage par renforcement dans les (PO)MDPs

1 Estudiante de doctorado (Dirección de investigación / Co-supervisión)

• HADJ ALI Mahdi : Causalité et explication des modèles prédictifs

8 Doctores 2012 - 2024

Publicaciones 1998-2024

• 2024
  • M. HADJ ALI, Y. Biannic, P.‑H. Wuillemin : “Reliable Estimation of Causal Effects Using Predictive Models”, International Journal on Artificial Intelligence Tools, vol. 33 (03), (World Scientific Publishing) (2024)
  • M. Lasserre, R. Lebrun, P.‑H. Wuillemin : “Quadrature Rules in General Continuous Bayesian Networks : Discrete Inference without Discretization”, (2024)
  • C. Charon, P.‑H. Wuillemin, Ch. Havreng‑Théry, J. Belmin : “One Month Prediction of Pressure Ulcers in Nursing Home Residents with Bayesian Networks”, Journal of the American Medical Directors Association, (Elsevier) (2024)
• 2023
  • B. Chassagnol, A. Bichat, Ch. Boudjeniba, P.‑H. Wuillemin, M. Guedj, D. Gohel, G. Nuel, E. Becht : “Gaussian Mixture Models in R”, The R Journal, vol. 15 (2), pp. 56-76, (R Foundation for Statistical Computing) (2023)
  • M. Munch, K. Kansou, B. Bredeweg, C. Baudrit, P.‑H. Wuillemin : “Grounding Causality in Bayesian Networks Using Qualitative Reasoning”, QR@ECAI23, Krakow, Poland (2023)
  • C. Charon, P.‑H. Wuillemin, J. Belmin : “Machine learning pour la prédiction d’escarre chez les résidents en institution”, CIFGG (Congrès International Francophone de Gérontologie et Gériatrie), Montréal, Canada (2023)
  • Ch. Dang, C. Bazgan, T. Cazenave, M. Chopin, P.‑H. Wuillemin : “Warm-Starting Nested Rollout Policy Adaptation with Optimal Stopping”, 37^th AAAI Conference on Artificial Intelligence, vol. 37 (10), Proceedings of the AAAI Conference on Artificial Intelligence, Washington, D.C., United States, pp. 12381-12389 (2023)
  • M. HADJ ALI, P.‑H. Wuillemin, Y. Le Biannic : “Interprétation causale des modèles prédictifs : paradoxes et solution”, 11^es Journées Francophones des Réseaux Bayésiens et des Modèles Graphiques Probabiliste (JFRB 2023), Nantes, France (2023)
  • C. Charon, P.‑H. Wuillemin, J. Belmin : “Réseaux bayésiens pour la prédiction d’escarre chez les personnes âgés en institution”, JFRB 2023 : 11^es Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes, Nantes, France (2023)
  • C. Charon, P.‑H. Wuillemin, J. Belmin : “Improving Pressure Ulcers Prediction in Nursing Homes with ML Algorithm”, Caring is Sharing – Exploiting the Value in Data for Health and Innovation, vol. 302, Studies in Health Technology and Informatics, Göteborg, Sweden, pp. 350-351, (IOS Press) (2023)
  • M. HADJ ALI, Y. Le Biannic, P.‑H. Wuillemin : “Interpreting Predictive Models through Causality: A Query-Driven Methodology”, The International FLAIRS Conference Proceedings, vol. 36 (1), ClearWater, FL, United States (2023)
• 2022
  • M. Munch, P. Buche, S. Dervaux, J. Dibie, L. Ibanescu, C. Manfredotti, P.‑H. Wuillemin, H. Angellier‑Coussy : “Combining ontology and probabilistic models for the design of bio-based product transformation processes”, Expert Systems with Applications, vol. 203, pp. 117406, (Elsevier) (2022)
  • C. Charon, P.‑H. Wuillemin, J. Belmin : “Learning Bayesian Networks for Unfavorable Health Event Predicting in Nursing Homes”, Medical Informatics Europe Conference (MIE2022), Nice, France (2022)
  • C. Charon, P.‑H. Wuillemin, J. Belmin : “Learning Bayesian Networks for the Prediction of Unfavorable Health Events in Nursing Homes”, chapter in Challenges of Trustable AI and Added-Value on Health, vol. 294, Studies in Health Technology and Informatics, pp. 147-148, (IOS Press) (2022)
  • M. Munch, P. Buche, C. Manfredotti, P.‑H. Wuillemin, H. Angellier‑Coussy : “A process reverse engineering approach using Process and Observation Ontology and Probabilistic Relational Models: application to processing of bio-composites for food packaging”, MTSR 2021: Metadata and Semantic Research, vol. 1537, Communications in Computer and Information Science, Madrid, Spain, pp. 3-15, (Springer) (2022)
  • Ch. Dang, C. Bazgan, T. Cazenave, M. Chopin, P.‑H. Wuillemin : “Monte Carlo Search Algorithms for Network Traffic Engineering”, 23^e congrès annuel de la Société Française de Recherche Opérationnelle et d'Aide à la Décision, Villeurbanne - Lyon, France (2022)
  • M. Munch, P. Buche, H. Angellier‑Coussy, C. Manfredotti, P.‑H. Wuillemin : “Formalising contextual expert knowledge for causal discovery in linked knowledge graphs about transformation processes: application to processing of bio-composites for food packaging”, International Journal of Metadata, Semantics and Ontologies, vol. 16 (1), pp. 1-15, (Inderscience) (2022)
  • M. Munch, P. Buche, C. Manfredotti, P.‑H. Wuillemin, H. Angellier‑Coussy : “Une approche d’ingénierie inverse combinant ontologies et modèles relationnels probabilistes: application aux emballages bio-composites”, IC@PFIA 2022 - Plate-Forme Intelligence Artificielle, Ingénierie des connaissances, Saint-Etienne, France (2022)
• 2021
  • M. Lasserre, R. Lebrun, P.‑H. Wuillemin : “Apprentissage de modèles continus à grandes dimensions en utilisant l’information mutuelle et les réseaux bayésiens de copules”, 10^es Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes, Porquerolles, France (2021)
  • M. HADJ ALI, Y. Le Biannic, P.‑H. Wuillemin : “Réseaux bayésiens et valeurs de Shapley”, 10^es Journée Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (JFRB 2021), Porquerolles, France (2021)
  • C. Charon, P.‑H. Wuillemin, J. Belmin : “Réseaux Bayésiens pour la Prédiction d’Évènements de Santé Défavorables en EHPAD (Établissement d’Hébergement pour Personnes Âgées Dépendantes)”, 10^es Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (JFRB 2021), Porquerolles, France (2021)
  • Ch. Dang, C. Bazgan, T. Cazenave, M. Chopin, P.‑H. Wuillemin : “Monte Carlo Search Algorithms for Network Traffic Engineering”, Machine Learning and Knowledge Discovery in Databases. Applied Data Science Track European Conference, ECML PKDD 2021, Bilbao, Spain, September 13–17, 2021, Proceedings,, vol. 12978, Lecture Notes in Computer Science, Bilbao, Spain, pp. 486-501, (Springer) (2021)
  • N. Sokolovska, P.‑H. Wuillemin : “The Role of Instrumental Variables in Causal Inference Based on Independence of Cause and Mechanism”, Entropy, vol. 23 (8), pp. 928, (MDPI) (2021)
  • M. Lasserre, R. Lebrun, P.‑H. Wuillemin : “Constraint-based learning for non-parametric continuous bayesian networks”, Annals of Mathematics and Artificial Intelligence, vol. 89, pp. 1035-1052, (Springer Verlag) (2021)
  • M. Lasserre, R. Lebrun, P.‑H. Wuillemin : “Learning Continuous High-Dimensional Models using Mutual Information and Copula Bayesian Networks”, Proceedings of the AAAI Conference on Artificial Intelligence, vol. 35 (13), AAAI-21 Technical Tracks 13, Vancouver, Canada, pp. 12139-12146 (2021)
• 2020
  • G. Ducamp, Ch. Gonzales, P.‑H. Wuillemin : “aGrUM/pyAgrum : a toolbox to build models and algorithms for Probabilistic Graphical Models in Python”, 10^th International Conference on Probabilistic Graphical Models, vol. 138, Proceedings of Machine Learning Research, Skørping, Denmark, pp. 609-612 (2020)
  • G. Ducamp, Ph. Bonnard, A. Nouy, P.‑H. Wuillemin : “An Efficient Low-Rank Tensors Representation for Algorithms in Complex Probabilistic Graphical Models”, 10^th International Conference on Probabilistic Graphical Models, vol. 138, Proceedings of Machine Learning Research, Skørping, Denmark, pp. 173-184 (2020)
  • N. Sokolovska, P.‑H. Wuillemin : “Latent Instrumental Variables as Priors in Causal Inference based on Independence of Cause and Mechanism”, (2020)
  • G. Ducamp, Ph. Bonnard, Ch. De Sainte Marie, P.‑H. Wuillemin : “Advanced Syntax and Compilation for Probabilistic Production Rules with PRM”, 14^th International Rule Challenge, 4^th Doctoral Consortium, and 6^th Industry Track, vol. 2644, Proceedings of the 14^th International Rule Challenge, 4^th Doctoral Consortium, and 6^th Industry Track, Oslo, Norway, pp. 103-110 (2020)
  • M. Lasserre, R. Lebrun, P.‑H. Wuillemin : “Constraint-Based Learning for Non-Parametric Continuous Bayesian Networks”, FLAIRS 33 - 33^rd Florida Artificial Intelligence Research Society Conference, Miami, United States, pp. 581-586, (AAAI) (2020)
  • G. Ducamp, Ph. Bonnard, P.‑H. Wuillemin : “Uncertain Reasoning in Rule-Based Systems Using PRM”, FLAIRS 33 - 33^rd Florida Artificial Intelligence Research Society Conference, Miami, United States, pp. 617-620, (AAAI) (2020)
• 2019
  • M. Munch, J. Dibie‑Barthelemy, P.‑H. Wuillemin, C. Manfredotti : “Interactive Causal Discovery in Knowledge Graphs”, PROFILES/SEMEX@ISWC 2019, vol. 2465, CEUR Workshop Proceedings, Auckland, New Zealand, pp. 78-93, (CEUR-WS.org) (2019)
  • V. Delcroix, P.‑H. Wuillemin : “An early guidance system for a general knowledge-based aiding framework using probabilistic interventions”, Actes JAIAF Journées de l’Intelligence Artificielle Fondamentale 2019, Toulouse, France, pp. 81-90, (Association française pour l'Intelligence Artificielle (AFIA)) (2019)
  • M. Munch, J. Dibie‑Barthelemy, P.‑H. Wuillemin, C. Manfredotti : “Towards Interactive Causal Relation Discovery Driven by an Ontology”, FLAIRS 32, Sarasota, United States (2019)
• 2018
  • M. Munch, P.‑H. Wuillemin, J. Dibie‑Barthelemy, C. Manfredotti, Th. Allard, S. Buchin, E. GUICHARD : “Identifying Control Parameters In Cheese Fabrication Process Using Precedence Constraints”, Lecture Notes in Computer Science, vol. 11198, Discovery Science, Limassol, Cyprus, pp. 421-434, (Springer) (2018)
  • G. Ducamp, Ph. Bonnard, Ch. De Sainte Marie, Ch. Gonzales, P.‑H. Wuillemin : “Improving Probabilistic Rules Compilation using PRM”, RuleML+RR Doctoral Consortium 2018 (2^nd International Joint Conference on Rules and Reasoning ), Esch-sur-Alzette, Luxembourg (2018)
  • M. Ruiz Cuevas, N. Sokolovska, P.‑H. Wuillemin, J.‑D. Zucker : “Detecting Low-Complexity Confounders from Data”, ICML / IJCAI / AAMAS FAIM'18 Workshop on CausalML, Stockholm, Sweden (2018)
  • A. Goareguer, A. Le Denn, F. Renaude, Ch. Maragna, P.‑H. Wuillemin, M. Lasserre, Ch. Gonzales, M. Clausse : “Projet SunSTONE : réseaux de chaleur solaires intelligents avec stockage intersaisonnier”, Journées Nationales sur l'Energie Solaire - JNES 2018, Lyon, France (2018)
  • M. Munch, J. Dibie‑Barthelemy, C. Manfredotti, P.‑H. Wuillemin : “[WORK DOCUMENT] Towards interactive causal relation discovery driven by an ontology”, (2018)
  • M. Han, P.‑H. Wuillemin, P. Senellart : “Focused Crawling through Reinforcement Learning”, 18^th International Conference on Web Engineering (ICWE 2018), vol. 10845, Lecture Notes in Computer Science, Cáceres, Spain, pp. 261-278, (Springer) (2018)
  • G. Ducamp, Ph. Bonnard, Ch. De Sainte Marie, Ch. Gonzales, P.‑H. Wuillemin : “Optimisation de la compilation de règles métier probabilistes à l’aide de PRM”, 9^es Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (JFRB 2018), Toulouse, France (2018)
  • M. Hourbracq, P.‑H. Wuillemin, Ch. Gonzales, Ph. Baumard : “Apprentissage et sélection de réseaux bayésiens dynamiques pour les processus online non stationnaires”, Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, vol. 32 (1), Réseaux bayésiens et modèles probabilistes, pp. pp.75-109, (Lavoisier) (2018)
  • H. Agli, Ph. Bonnard, Ch. Gonzales, P.‑H. Wuillemin : “Inférence incrémentale pour les modèles probabilistes relationnels et application aux systèmes à base de règles orientés objet”, Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, vol. 32 (1), Réseaux bayésiens et modèles probabilistes, pp. 111-132, (Lavoisier) (2018)
  • V. Delcroix, P.‑H. Wuillemin : “RÉSEAUX BAYÉSIENS ET MODÈLES PROBABILISTES”, Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, vol. 32 (1), France, (Lavoisier) (2018)
• 2017
  • M. Munch, P.‑H. Wuillemin, C. Manfredotti, J. Dibie‑Barthelemy, S. Dervaux : “Learning Probabilistic Relational Models using an Ontology of Transformation Processes”, On the Move to Meaningful Internet Systems. OTM 2017 Conferences, vol. 10574, Lecture Notes in Computer Science, Rhodes, Greece, pp. 198-215, (Springer, Cham) (2017)
  • J.‑Ch. Magnan, P.‑H. Wuillemin : “Efficient Incremental Planning and Learning with Multi-Valued Decision Diagrams”, Journal of Applied Logic, vol. 22, pp. 63-90, (Elsevier) (2017)
  • Ch. Gonzales, L. Torti, P.‑H. Wuillemin : “aGrUM: a Graphical Universal Model framework”, IEA/AIE 2017 - 30^th International Conference on Industrial Engineering and Other Applications of Applied Intelligent Systems, vol. 10351, Lecture Notes in Computer Science, Arras, France, pp. 171-177, (Springer) (2017)
  • M. Hourbracq, P.‑H. Wuillemin, Ch. Gonzales, Ph. Baumard : “Learning and selection of dynamic Bayesian Networks for non-stationary processes in real time”, 30^th International Florida AI Research Society Conference, FLAIRS-30, Marco Island, United States (2017)
  • L. Hillah, A.‑P. Maesano, F. De Rosa, F. Kordon, P.‑H. Wuillemin, R. Fontanelli, S. Di Bona, D. Guerri, L. Maesano : “Automation and intelligent scheduling of distributed system functional testing: Model-based functional testing in practice”, International Journal on Software Tools for Technology Transfer, vol. 19 (3), pp. 281-308, (Springer Verlag) (2017)
• 2016
  • C. Baudrit, S. Destercke, P.‑H. Wuillemin : “Unifying parameter learning and modelling complex systems with epistemic uncertainty using probability interval”, Information Sciences, vol. 367-368, pp. 630–647, (Elsevier) (2016)
  • M. Hourbracq, P.‑H. Wuillemin, Ch. Gonzales, . Baumard : “Real time learning of non-stationary processes with dynamic Bayesian Networks”, Information Processing and Management of Uncertainty in Knowledge-Based Systems, vol. 610, Communications in Computer and Information Science, Eindhoven, Netherlands, pp. 338-350, (Springer International Publishing) (2016)
  • M. Hourbracq, P.‑H. Wuillemin, Ch. Gonzales, . Baumard : “Apprentissage et sélection de réseaux bayésiens dynamiques pour les processus online non-stationnaires”, Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes, 8^es journées francophones de réseaux bayésiens (JFRB 2016), Clermont-Ferrand, France (2016)
  • Ch. Gonzales, L. Torti, P.‑H. Wuillemin : “Librairie aGrUM : a Graphical Universal Model”, 8^es journées francophones de réseaux bayésiens (JFRB 2016), Clermont-Ferrand, France (2016)
  • H. Agli, Ph. Bonnard, Ch. Gonzales, P.‑H. Wuillemin : “Un algorithme d’arbre de jonction incrémental”, 8^es journées francophones de réseaux bayésiens (JFRB 2016), Clermont-Ferrand, France (2016)
  • V. Delcroix, P.‑H. Wuillemin : “JFRB 2016, Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes”, JFRB 2016 - Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (2016)
  • L. Hillah, A.‑P. Maesano, L. Maesano, F. De Rosa, F. Kordon, P.‑H. Wuillemin : “Service functional testing automation with intelligent scheduling and planning”, Symposium on Applied Computing (SAC), Proceeding of the 31^st Annual ACM Symposium on Applied Computing, Pisa, Italy, pp. 1605-1610 (2016)
  • H. Agli, Ph. Bonnard, Ch. Gonzales, P.‑H. Wuillemin : “Business Rules Uncertainty Management with Probabilistic Relational Models”, RuleML16, Stony Brook, New York, United States (2016)
  • H. Agli, Ph. Bonnard, Ch. Gonzales, P.‑H. Wuillemin : “Incremental Junction Tree Inference”, IPMU16, Eindhoven, Netherlands (2016)
• 2015
  • J.‑B. Rouquier, I. Alvarez, R. Reuillon, P.‑H. Wuillemin : “A kd-tree algorithm to discover the boundary of a black box hypervolume or how to peel potatoes by recursively cutting them in halves”, Annals of Mathematics and Artificial Intelligence, vol. 75 (3), pp. 335-350, (Springer Verlag) (2015)
  • Y. Chen, P.‑H. Wuillemin, J.‑M. Labat : “Discovering Prerequisite Structure of Skills through Probabilistic Association Rules Mining”, Proceedings of the 8^th International Conference on Educational Data Mining, Madrid, Spain, pp. 117-124 (2015)
  • J.‑Ch. Magnan, P.‑H. Wuillemin : “IMDDI et SPIMDDI : apprentissage incrémental de diagrammes de décisions pour une architecture SDyna”, JFPDA, Rennes, France (2015)
  • J.‑Ch. Magnan, P.‑H. Wuillemin : “On-line Learning of Multi-valued Decision Diagrams”, Proceedings of the Twenty-Eighth International Florida Artificial Intelligence Research Society Conference, Hollywood, Florida, United States, pp. 576-580 (2015)
  • S. Herbold, J. Grabowski, P. Harms, L. Hillah, F. Kordon, A.‑P. Maesano, L. Maesano, C. Di Napoli, F. De Rosa, M. Schneider, N. Tonelloto, M.‑F. Wendland, P.‑H. Wuillemin : “The MIDAS Cloud Platform for Testing SOA Applications”, 8^th International IEEE Conference on Software Testing, Verification and Validation (ICST), Graz, Austria, pp. 1-8, (IEEE Press) (2015)
  • J. Dibie‑Barthelemy, C. Manfredotti, C. Baudrit, P.‑H. Wuillemin : “Mapping ontology with probabilistic relational models - an application to transformation processes”, International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management (IC3K 2015), Lisbon, Spain, pp. 171-178, (ScitePress) (2015)
• 2014
  • H. Agli, Ph. Bonnard, Ch. Gonzales, P.‑H. Wuillemin : “Uncertain Reasoning for Business Rules”, RuleML doctoral consortium, vol. 1211, CEUR Workshop Proceedings, Prague, Czechia, (CEUR-WS.org) (2014)
  • Y. Chen, P.‑H. Wuillemin, J.‑M. Labat : “Bayesian Student Modeling Improved by Diagnostic Items”, Proceedings of 12^th International Conference on Intelligent Tutoring Systems, vol. 8474, Lecture Notes in Computer Science, Honolulu, United States, pp. 144-149, (Springer) (2014)
• 2013
  • L. Torti, Ch. Gonzales, P.‑H. Wuillemin : “Speeding-up Structured Probabilistic Inference using Pattern Mining”, International Journal of Approximate Reasoning, vol. 54 (7), pp. 900-918, (Elsevier) (2013)
  • M. Hourbracq, C. Baudrit, P.‑H. Wuillemin, S. Destercke : “Dynamic Credal Networks: introduction and use in robustness analysis”, Proceedings of the Eighth International Symposium on Imprecise Probability: Theories and Applications, Compiègne, France, pp. 159-169 (2013)
  • J.‑Ch. Magnan, P.‑H. Wuillemin : “Improving Decision Diagrams for Decision Theoretic Planning”, The Twenty-Sixth International FLAIRS Conference, Palo Alto, California, United States, pp. 621-626, (The AAAI Press) (2013)
  • A. Tonda, E. Lutton, G. Squillero, P.‑H. Wuillemin : “A Memetic Approach to Bayesian Network Structure Learning”, 16^th European Conference on Applications of Evolutionary Computation, EvoApplications 2013, vol. 7835, Lecture Notes in Computer Science, Vienna, Austria, pp. 102-111, (Springer), (ISBN: 978-3-642-37191-2) (2013)
  • O. Barrière, E. Lutton, P.‑H. Wuillemin, C. Baudrit, M. Sicard, N. Perrot : “Cooperative coevolution for agrifood process modeling”, EVOLVE- A Bridge between Probability, Set Oriented Numerics and Evolutionary Computation, vol. 447, Studies in Computational Intelligence, Bourglinster, Luxembourg, pp. 247-287, (SPRINGER-VERLAG BERLIN) (2013)
  • L. Kong, P.‑H. Wuillemin, J.‑Ph. Bastard, N. Sokolovska, S. Gougis, S. Fellahi, F. Darakhshan, D. Bonnefont‑Rousselot, R. Bittar, J. Dore, J.‑D. Zucker, K. Clément, S. Rizkalla : “Insulin resistance and inflammation predict kinetic body weight changes in response to dietary weight loss and maintenance in overweight and obese subjects by using a Bayesian network approach”, The American Journal of Clinical Nutrition, vol. 98 (6), pp. 1385-1394, (Oxford University Press) (2013)
  • C. Baudrit, P.‑H. Wuillemin, N. Perrot : “Parameter elicitation in probabilistic graphical models for modelling multi-scale food complex systems”, Journal of Food Engineering, vol. 115 (1), pp. 1-10, (Elsevier) (2013)
• 2012
  • P.‑H. Wuillemin, L. Torti : “Structured Probabilistic Inference”, International Journal of Approximate Reasoning, vol. 53 (7), pp. 946-968, (Elsevier) (2012)
  • A. Tonda, E. Lutton, R. Reuillon, G. Squillero, P.‑H. Wuillemin : “Bayesian Network Structure Learning from Limited Datasets through Graph Evolution”, EuroGP 2012 - 15^th European Conference on Genetic Programming, vol. 7244, Lecture Notes in Computer Science, Malaga, Spain, pp. 254-265, (Springer), (ISBN: 978-3-642-29138-8) (2012)
• 2011
  • A.‑P. Maesano, F. De Rosa, L. Maesano, P.‑H. Wuillemin : “Steps towards model-based, inference-driven SOA Testing”, 23^rd International Conference on Software & System Engineering and their Applications (ICSSEA '11), Paris - Nov 29 - Dec 1 (2011), Paris, France (2011)
  • L. Torti, Ch. Gonzales, P.‑H. Wuillemin : “Patterns Discovery for Efficient Structured Probabilistic Inference”, SUM 2011 - 5^th International Conference on Scalable Uncertainty Management, vol. 6929, Lecture Notes in Computer Science, Dayton, OH, United States, pp. 247-260, (Springer) (2011)
  • Ch. Gonzales, P.‑H. Wuillemin : “{PRM} inference using Jaffray and Faÿ’s Local Conditioning”, Theory and Decision, vol. 71 (1), pp. 33-62, (Springer Verlag) (2011)
  • L. Kong, P.‑H. Wuillemin, F. Hajduch, J.‑Ph. Bastard, S. Fellahi, D. Bonnefont‑Rousselot, R. Bittar, A. Basdevant, J.‑D. Zucker, J. Dore, K. Clément, S. Rizkalla : “Plasma Insulin and Inflammatory Markers Prior to Weight Loss Can Predict Dietary Responders”, 71^st Scientific Session American Diabetes Association, San Diego, California, United States (2011)
  • L. Kong, F. Hajduch, P.‑H. Wuillemin, J. Bastard, S. Fellahi, D. Bonnefont‑Rousselot, R. Bittar, A. Basdevant, J.‑D. Zucker, J. Dore, K. Clement, S. Rizkalla : “Plasma insulin and inflammatory markers prior to weight loss can predict dietary responders”, 47. Annual Meeting of the European Association for the Study of Diabetes (EASD), vol. 54 (S1), Diabetologia, Lisbonne, Portugal, pp. np, (Springer) (2011)
  • M. Sicard, C. Baudrit, M.‑N. Leclerc‑Perlat, P.‑H. Wuillemin, N. Perrot : “Expert knowledge integration to model complex food processes. Application on the camembert cheese ripening process”, Expert Systems with Applications, vol. 38 (9), pp. 11804-11812, (Elsevier) (2011)
• 2010
  • M. Chopin, P.‑H. Wuillemin : “Optimizing the triangulation of Dynamic Bayesian Networks”, Proceedings of the 5^th Probabilistic Graphical Models 2010, Helsinki, Finland, pp. 73-80, (Helsinki Institute for Information Technology HIIT) (2010)
  • C. Baudrit, M. Sicard, P.‑H. Wuillemin, N. Perrot : “Towards a global modelling of the Camembert-type cheese ripening process by coupling heterogeneous knowledge with dynamic Bayesian networks”, Journal of Food Engineering, vol. 98 (3), pp. 283-293, (Elsevier) (2010)
  • O. Barrière, E. Lutton, P.‑H. Wuillemin : “Independence Model estimation using Artificial Evolution”, 5^es Journées Francophones sur les Réseaux Bayésiens (JFRB2010), Nantes, France (2010)
  • L. Torti, P.‑H. Wuillemin : “Structured Variable Elimination avec analyse en d-séparation”, 5^es Journées Francophones sur les Réseaux Bayésiens (JFRB2010), Nantes, France (2010)
  • C. Baudrit, P.‑H. Wuillemin, N. Perrot : “Vers une intégration des connaissances pour une meilleure compréhension des procédés alimentaires”, 11^e Congrès de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 2010), Toulouse, France, pp. 47-48 (2010)
  • M. Chopin, P.‑H. Wuillemin : “Optimisation de l’inférence dans les réseaux bayésiens dynamiques”, 11^e Congrès de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 2010), Toulouse, France, pp. 171-185 (2010)
  • L. Torti, P.‑H. Wuillemin, Ch. Gonzales : “Reinforcing the Object-Oriented Aspect of Probabilistic Relational Models”, PGM 2010 - The Fifth European Workshop on Probabilistic Graphical Models, Helsinki, Finland, pp. 273-280 (2010)
  • L. Torti, P.‑H. Wuillemin : “Structured Value Elimination with D-Separation Analysis”, Proceedings of the Twenty-Third International Florida Artificial Intelligence Research Society Conference, Daytona Beach, United States, pp. 122-127 (2010)
  • L. Torti, P.‑H. Wuillemin : “Étude comparée des inférences dans les Modèles Relationnels Probabilistes”, 11^e Congrès de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 2010), Toulouse, France, pp. 57-58 (2010)
  • J.‑B. Marre, J. Ferraris, M. Badie, P. Leenhardt, P.‑H. Wuillemin, Ch. Chaboud : “Using Bayesian Network modeling to cope with the marine protected area governance issue”, ICES Journal of Marine Science, (Oxford University Press) (2010)
• 2009
  • L. Torti, P.‑H. Wuillemin : “Modélisation de réseaux bayésiens de très grandes tailles”, Manifestation de JEunes Chercheurs STIC, Avignon, France, pp. 1332 (2009)
  • C. Baudrit, M. Sicard, P.‑H. Wuillemin, N. Perrot : “Les réseaux Bayésiens dynamiques pour intégrer les connaissances relatives aux procédés alimentaires (application au processus d’affinage)”, XIIème Congrès de la Société Française de Génie des Procédés 09, Marseille, France (2009)
  • O. Kozlova, O. Sigaud, P.‑H. Wuillemin, Ch. Meyer : “Considering Unseen States as Impossible in Factored Reinforcement Learning”, European Conference on Machine Learning, vol. 5781, Lecture Notes in Computer Science, Bled, Slovenia, pp. 721-735, (Springer) (2009)
  • S. Mesmoudi, I. Alvarez, S. Martin, M. Sicard, P.‑H. Wuillemin : “Geometric Analysis of a Capture Basin: Application to cheese ripening process”, European Conference on Complex Systems, Warwick, United Kingdom (2009)
  • C. Baudrit, M. Sicard, P.‑H. Wuillemin, N. Perrot : “Dynamic Bayesian Networks for Modelling Food Processing: Application to the Cheese Ripening Process”, 8^th World Congress of Chemichal Engineering 09, Montréal, Canada (2009)
  • O. Barrière, E. Lutton, P.‑H. Wuillemin : “Bayesian Network Structure learning using Cooperative Coevolution”, Genetic and Evolutionary Computation Conference 09, Montréal, Canada, pp. 755-762, (ACM) (2009)
  • C. Baudrit, M. Sicard, P.‑H. Wuillemin, N. Perrot : “Dynamic neural networks versus dynamic Bayesian networks to model microbial behaviours during the cheese ripening process”, Annual meeting of European Federation of Food Science & Technology (EFFoST), Budapest, Hungary (2009)
  • C. Baudrit, M. Sicard, P.‑H. Wuillemin, N. Perrot : “Toward a knowledge integration for representing food processes”, European Conference on Complex Systems 2009, Warwick, United Kingdom, pp. 171 p. (2009)
  • Th. Degris, O. Sigaud, P.‑H. Wuillemin : “Apprentissage par renforcement factorisé pour le comportement de personnages non joueurs”, Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, vol. 23 (2-3), pp. 221-251, (Lavoisier) (2009)
  • O. Barrière, E. Lutton, P.‑H. Wuillemin, C. Baudrit, M. Sicard, B. Pinaud, N. Perrot : “Modeling an agrifood industrial process using cooperative coevolution Algorithms”, 51 pages (2009)
• 2008
  • C. Baudrit, P.‑H. Wuillemin, M. Sicard, N. Perrot : “A dynamic Bayesian Network to represent a ripening process of a soft mould cheese.”, 12^th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems, vol. 5178, Lecture Notes in Computer Science, Zagreb, Croatia, pp. 265-272, (Springer), (ISBN: 978-3-540-85564-4) (2008)
  • B. Pinaud, C. Baudrit, M. Sicard, P.‑H. Wuillemin, N. Perrot : “Validation et enrichissement interactifs d’un apprentissage automatique des paramètres d’un réseau bayésien dynamique appliqué aux procédés alimentaires”, JFRB 2008 - 4^es Journées Francophones sur les Réseaux Bayésiens, Lyon, France (2008)
• 2007
  • Y. Ettarres, Kh. Mellouli, P.‑H. Wuillemin : “Using a Ranking Process and Expert Knowledge for Elicitation of Probabilities in a Bayesian Network”, 8^e Congrès de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 2007), Grenoble, France, pp. 101-115 (2007)
  • P. Naïm, P.‑H. Wuillemin, Ph. Leray, O. Pourret, A. Becker : “Réseaux bayésiens”, Algorithmes, 424 pages, (Eyrolles) (2007)
• 2006
  • Th. Degris, O. Sigaud, P.‑H. Wuillemin : “Chi-square Tests Driven Method for Learning the Structure of Factored MDPs”, Proceedings of the 22^nd conference on Uncertainty in Artificial Intelligence, Massachusetts Institute of Technology, Cambridge, MA, United States, pp. 122-129, (AUAI Press) (2006)
  • Y. Ettarres, Kh. Mellouli, P.‑H. Wuillemin : “A Bayesian MultiCriteria Approach for an Optimal Process Control”, First Conference of the Tunisian Management Science Society, Hammamet, Tunisia (2006)
  • Th. Degris, O. Sigaud, P.‑H. Wuillemin : “Learning the Structure of Factored Markov Decision Processes in Reinforcement Learning Problems”, Proceedings of the 23^rd International Conference on Machine Learning, Pittsburgh, Pennsylvania, United States, pp. 257-264, (ACM) (2006)
  • Th. Degris, O. Sigaud, P.‑H. Wuillemin : “Apprentissage de la structure des processus de décision markoviens factorisés pour l’apprentissage par renforcement”, Actes de la conférence Journées Francophones sur la Planification, la Décision et l'Apprentissage pour la Conduite de Systèmes 2006, Toulouse, France, pp. 89-96 (2006)
• 2005
  • Y. Ettarres, Kh. Mellouli, P.‑H. Wuillemin : “Elicitation of conditional probabilities in a Bayesian network using a ranking process and expert’s beliefs fusion”, CIRO 2005 - 4^e Conférence Internationale en Recherche Opérationnelle, Marrakech, Morocco, pp. 145-159 (2005)
• 2004
  • Th. Gourdin, O. Sigaud, P.‑H. Wuillemin : “Improving MACS thanks to a comparison with 2TBNs”, GECCO 2004 - Genetic and Evolutionary Computation Conference, vol. 3103, Lecture Notes in Computer Science, Seattle, WA, United States, pp. 810-823, (Springer) (2004)
  • P. Naïm, P.‑H. Wuillemin, Ph. Leray, O. Pourret, A. Becker : “Réseaux Bayésiens”, Algorithmes, 224 pages, (Eyrolles) (2004)
• 2001
  • P.‑H. Wuillemin : “Propagation in Bayesian Networks”, 10^th International Symposium on Applied Stochastic Models and Data Analysis, vol. 2, Compiègne, France, pp. 1016-1022 (2001)
• 2000
  • P.‑H. Wuillemin : “Réseaux bayésiens : apprentissage et application”, tesis, defensa 26/07/2000, director de investigación Jaffray, Jean-Yves (2000)
  • Th. Nielsen, P.‑H. Wuillemin, F. Jensen, U. Kjaerulf : “Using ROBDDs for troubleshooting”, 16^th conference on Uncertainty in Artificial Intelligence, Stanford, CA, United States, pp. 426-435, (Morgan Kaufmann) (2000)
  • O. Bangsø, P.‑H. Wuillemin : “Top-Down Construction and Repetitive Structures Representation in Bayesian Networks”, 13^th Florida Artificial Intelligence Research Society Conference, Orlando, Florida, United States, pp. 282-286, (AAAI Press) (2000)
  • P.‑H. Wuillemin : “Réseaux probabilistes et Arbres de Décisions Binaires en Diagnostic”, 3^e Congrès de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 2000), Nantes, France (2000)
  • P.‑H. Wuillemin, O. Bangsø : “Réseaux Probabilistes Orientés Objet”, Langages et modèles à objet, Mont Saint-Hilaire, Québec, Canada, pp. 123-138, (Hermès) (2000)
• 1999
  • P.‑H. Wuillemin : “Recherche de la coupe optimale dans les réseaux probabilistes”, 2^e Congrès de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 1999), Autrans, France (1999)
• 1998
  • P.‑H. Wuillemin, Ch. Gonzales : “Propagation optimale dans les réseaux bayésiens sans cycles”, 1^er Congrès de la Société Française de Recherche Opérationnelle et d'Aide à la Décision (ROADEF 1998), vol. 1, Paris, France (1998)
  • P.‑H. Wuillemin, Ch. Gonzales : “Implémentation efficace d’algorithmes de propagation dans les réseaux probabilistes”, FRANCORO II - 2^ndes Journées Francophones de Recherche Opérationnelle, vol. 1, Sousse, Tunisia (1998)
  • Ch. Gonzales, P.‑H. Wuillemin : “Réseaux Bayésiens en Modélisation Utilisateur”, Sciences et Techniques Educatives, vol. 5 (2), pp. 173-198, (Hermes) (1998)