Systèmes d'apprentissage connexionnistes et raisonnement à partir de cas pour la classification et le classement de séquence

par Farida Zehraoui

Thèse de doctorat en Informatique

Sous la direction de Younès Bennani-Méziane.

Soutenue en 2004

à Paris 13 .


  • Résumé

    La thèse porte sur l'utilisation de techniques d'apprentissage automatique pour le traitement de séquences. Ce travail est motivé par une application réelle qui consiste à modéliser le comportement d'un internaute à partir de traces de navigations. Nous avons d'abord proposé un système de raisonnement à partir de cas (RàPC) << CASEP >> pour le classement ou la prédiction à partir de séquences. Des mesures de maintenance sont associées aux cas pour faire face au bruit contenu dans les données et pour effectuer la réduction de la base de cas. Nous avons ensuite proposé plusieurs modèles de cartes auto-organisatrices (SOM) pour la classification et le classement de séquences. Nous nous sommes intéressés à l'insertion des propriétés de plasticité et de stabilité dans une carte SOM ainsi qu'au traitement des séquences temporelles. A la fin de cette étude, nous avons travaillé sur la possibilité de coopération des systèmes connexionnistes avec l'approche de RàPC afin de concevoir des systèmes hybrides. Nous avons ainsi proposé le système hybride << CASEP2 >> qui combine le raisonnement à partir de cas avec l'un des réseaux de neurones que nous avons proposés.

  • Titre traduit

    Learning connectionnist systems and case-based reasoning for sequence clustering and classification


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 187 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. f. 180-187

Où se trouve cette thèse ?

  • Bibliothèque :
  • Disponible pour le PEB
  • Cote : TH 2004 039
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.