L’« apprentissage productif »

Apprentissage automatique et bioinformatique

In this paper we describe a novel method for extracting a set of nodes that best capture the connections between k given nodes of interest in a biochemical network. This method relies on the projection of the nodes of the network, seen as an undirected graph, into an euclidean space. Euclidean distances between nodes in the projected space correspond to their commute time distances in the origi...

Apprentissage de règles caractéristiques

RÉSUMÉ. La caractérisation est une tâche supervisée de fouille de données qui permet de résumer de manière succincte et concise un ensemble de données. Cette tâche est intéressante dans la mesure où elle ne nécessite pas de contre exemples. Nous proposons un cadre général pour la caractérisation d’un ensemble d’objets, appelé ensemble ’cible’, en nous basant non seulement sur leurs propriétés p...

Gestion et évolution de profils Multicritères de décideur par apprentissage pour l’aide à la Décision

Expansion de requêtes par apprentissage

We propose in this paper a learning query expansion approach using association rules. The query expansion problem is modeled as a supervised classification problem which aims at identifying the appropriate set of association rules to expand a given query. A training data set is generated using a GA based exploring algorithm of the association rules space. Classification is made by the method of...

Apprentissage statistique à grande echelle

De nombreux problèmes d’apprentissage statistique à grande échelle sont formulés comme l’optimisation d’une fonction convexe dont on n’observe que des gradients bruités: cette fonction est typiquement l’erreur de généralisation, et seulement l’erreur sur une observation est disponible à chaque itération. Les algorithmes utilisés en pratique donnent lieu à des garanties de convergence dont l’etu...