Date : 1991
Format : 1 vol. (93 p.)
Type : Livre / Book
Type : Thèse / ThesisLangue / Language : français / French
Résumé / Abstract : Il manque, dans le domaine de l'apprentissage automatique, d'une relation pour modeliser la notion d'hypothese empirique dans le cadre de l'apprentissage par l'observation, ou apprentissage de relations. Nous proposons la relation de dependance percue pour pallier a ce manque. La relation de dependance percue est determinee dans un langage de representation par la description d'un ensemble d'observations. La notion de dependance percue se rattache a la notion intuitive de connaissance empirique ; elle s'integre facilement aux recherches sur la formalisation de celle-ci dans des logiques modales, comme a d'autres tentatives de modeliser diverses notions utiles a l'apprentissage automatique. Par ses caracteristiques operationnelles, la relation de dependance percue est, dans le domaine de l'apprentissage de relations, un outil plus adequat que ces autres modeles. Algebriquement, la notion de dependance percue est equivalente a celle de preordre: c'est dire que la structure imposee par la relation de dependance percue a la representation de la connaissance, est peu contraignante. Elle possede cependant de bonnes proprietes algebriques vis-a-vis des operations sur les elements du langage de representation, sur l'ensemble des observations et sur la relation de description. Informatiquement, ces proprietes se traduisent par la possibilite de representer synthetiquement une relation de dependance percue, et d'effectuer economiquement ces operations. Nous introduisons la notion de reseau de dependance percue (rdp). On montre qu'un rdp est la representation la plus compacte d'une relation de dependance percue. Nous presentons les algorithmes generiques de construction, de modification et d'entretien incremental d'un rdp, ainsi que les procedures d'acces a l'information representee. La relation de dependance percue et les rdp sont susceptibles de devenir des outils de base dans le domaine de l'apprentissage automatique de relations: ils permettent d'unifier divers travaux menes dans ce domaine et s'allient harmonieusement aux outils de base de l'apprentissage automatique de concepts a partir d'exemples. De plus, leur utilisation donne des resultats probants, comme le montre leur application a la construction d'un biais d'apprentissage evolutif pour l'apprentissage par l'action ou a la construction de systemes a bases de connaissance incrementales