Une approche symbolique-numérique pour la discrimination à partir d'exemples et de règles : l'apprentissage multicouches

par Martine Sebag

Thèse de doctorat en Sciences appliquées

Sous la direction de Edwin Diday.

Soutenue en 1990

à Paris 9 .


  • Résumé

    Dans certains contextes techniques, la discrimination pose les problèmes suivants : les données peuvent comprendre des erreurs ; elles sont souvent insuffisamment représentatives du point de vue de l'analyse de données ; enfin, elles comprennent des exemples et des règles. Les données initiales sont trop imparfaites et/ou de trop grande taille pour se prêter à la recherche directe d'une solution optimale ; nous proposons donc une résolution par approximations successives. L'apprentissage multicouches est un processus itératif en deux temps : un algorithme de généralisation par élimination détermine une base de règles discriminantes approximatives à partir d'une base d'apprentissage incluant des exemples et des règles ; un opérateur de redescription, la réduction, permet de se ramener au nouveau problème, qui consiste à améliorer cette base de règles approximatives. L'itération du processus définit un apprentissage incrémental, capable de raffiner les règles obtenues par un traitement global ou séquentiel des données disponibles

  • Titre traduit

    A symbolic-numerical approach to discrimination from examples and rules : multi-layers learning


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Annexes : 142 réf.

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Paris-Dauphine (Paris). Service commun de la documentation.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.