Nous allons dEcrire ci-dessous une extension d'un syst~me interactif de gEnEration de phrases. Apr~s une description de SWIM,-acronyme de See What I Mean ?-nous allons discuter la fa~on dont on communique au syst~me des notions relatives au temps et ~t l'aspect. Avec SWIM nous poursuivons trois objectifs : (a) assister un Etudiant dans rapprentissage d'une langue, plus prdcisEment aider l'appre...

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...

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...

This article deals with the problem of affective states recognition from physical and physiological wearable sensors. Given the complex nature of the relationship between available signals and affective states to be detected we propose to use a statistical learning method. We begin with a discussion about the state of the art in the field of statistical learning algorithms and their application...

Résumé. Nous présentons deux expériences d’apprentissage relationnel de motifs temporels comportant des contraintes numériques des chroniques à partir de séries temporelles. La première concerne l’apprentissage d’arythmies cardiaques à partir d’électrocardiogrammes. La deuxième réalise l’apprentissage de règles prédisant la dégradation de la qualité de service dans un réseau de télécommunicatio...

This paper focuses on Active Learning (AL) with bounded computational resources. AL is formalized as a finite horizon Reinforcement Learning problem, and tackled as a single-player game. An approximate optimal AL strategy based on tree-structured multi-armed bandit algorithms and billiard-based sampling is presented together with a proof of principle of the approach. Motsclés : Apprentissage ac...