| Titre : | anglais | | Type de document : | texte imprimé | | Auteurs : | R. NOCK, Auteur | | Année de publication : | 2002 | | Langues : | Français (fre) | | Tags : | ANALYSE D'IMAGES APPRENTISSAGE AUTOMATIQUE DATA MINING | | Index. décimale : | HDR Habilitation à diriger des Recherches | | Résumé : | Ces travaux concernent la problématique générale de la classification, et divers domaines d'applications en informatique : l'apprentissage automatique, le data mining et l'analyse d'image. Deux grands types de résultats ont été obtenus : ceux produisant des algorithmes, leur implémentation, leur analyse de performance (théorique et sur test), et ceux concernant des résultats négatifs de complexité, bornant inférieurement les performances de n'importe quel algorithme sur ces problèmes. Les algorithmes concernés par la première catégorie sont des algorithmes d'induction de classes de formules particulières, des algorithmes de plus proche voisins, des algorithmes de réduction de données (sélection de variables et/ou d'exemples), et des algorithmes de segmentation d'images. Un certain nombre de ces algorithmes utilisent des propriétés de concentration de variables aléatoires. Les résultats concernés par la deuxième catégorie sont essentiellement des preuves d'inapproximabilité de problèmes d'optimisation, qui admettent pour certains des extensions dans divers modèles d'apprentissage automatique, avec divers objectifs : minimisation de taille de formules (Formes Normales Disjonctives, ensembles de Clauses de Horn, etc.), minimisation de l'erreur sous contrainte, minimisation de critères alternatifs à l'erreur, minimisation de taille de jeux de données, etc. | | Note de contenu : | Pour plus d'informations, vous pouvez aller sur le site suivant : http://www.univ-ag.fr/~rnock/ | | Rapporteur(s) : | DENIS F.;NADAL J.P.;SAITTA L. | | Examinateur(s) : | AINOUCHE A.;DE LA HIGUERA C.;GASCUEL O.;HABIB M. | | Date de soutenance : | 16/12/2002 |
anglais [texte imprimé] / R. NOCK, Auteur . - 2002. Langues : Français ( fre) | Tags : | ANALYSE D'IMAGES APPRENTISSAGE AUTOMATIQUE DATA MINING | | Index. décimale : | HDR Habilitation à diriger des Recherches | | Résumé : | Ces travaux concernent la problématique générale de la classification, et divers domaines d'applications en informatique : l'apprentissage automatique, le data mining et l'analyse d'image. Deux grands types de résultats ont été obtenus : ceux produisant des algorithmes, leur implémentation, leur analyse de performance (théorique et sur test), et ceux concernant des résultats négatifs de complexité, bornant inférieurement les performances de n'importe quel algorithme sur ces problèmes. Les algorithmes concernés par la première catégorie sont des algorithmes d'induction de classes de formules particulières, des algorithmes de plus proche voisins, des algorithmes de réduction de données (sélection de variables et/ou d'exemples), et des algorithmes de segmentation d'images. Un certain nombre de ces algorithmes utilisent des propriétés de concentration de variables aléatoires. Les résultats concernés par la deuxième catégorie sont essentiellement des preuves d'inapproximabilité de problèmes d'optimisation, qui admettent pour certains des extensions dans divers modèles d'apprentissage automatique, avec divers objectifs : minimisation de taille de formules (Formes Normales Disjonctives, ensembles de Clauses de Horn, etc.), minimisation de l'erreur sous contrainte, minimisation de critères alternatifs à l'erreur, minimisation de taille de jeux de données, etc. | | Note de contenu : | Pour plus d'informations, vous pouvez aller sur le site suivant : http://www.univ-ag.fr/~rnock/ | | Rapporteur(s) : | DENIS F.;NADAL J.P.;SAITTA L. | | Examinateur(s) : | AINOUCHE A.;DE LA HIGUERA C.;GASCUEL O.;HABIB M. | | Date de soutenance : | 16/12/2002 |
|
Affiner la recherche Interroger des sources externesanglais / R. NOCK
