Systèmes d'apprentissage connexionnistes et raisonnement à partir de cas pour la classification et le classement de séquence / Farida Zehraoui ; sous la dir. de Younès Bennani

Date :

Editeur / Publisher : [S.l.] : [s.n.] , 2004

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Apprentissage automatique

Bennani, Younès (Directeur de thèse / thesis advisor)

Université Sorbonne Paris Nord (Bobigny, Villetaneuse, Seine-Saint-Denis ; 1970-....) (Organisme de soutenance / degree-grantor)

Relation : Systèmes d'apprentissage connexionnistes et raisonnement à partir de cas pour la classification et le classement de séquence / Farida Zehraoui ; sous la direction de Younès Bennani / Grenoble : Atelier national de reproduction des thèses , 2004

Résumé / Abstract : 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.

Résumé / Abstract : [Résume anglais]The thesis relates to the use of automatic learning techniques for the sequence processing. This work is motivated by a real application, which consists in modelling an e-commerce site user behaviour that aims to adapt dynamically the Web site. First, we have proposed a case based reasoning (CBR) system for the sequence classification or prediction ``CASEP''. New maintenance measurements are associated to each case in order to take into account the presence of noise in the data and to reduce the case base size. Then, we have proposed several models of self-organizing maps (SOM) for the sequence clustering and classification. In these models, we have introduced the plasticity and the stability properties in the SOM and we have proposed models that process sequences. Finally, we have studied the possibility of the co-operation between the connectionist models and the case based reasoning in order to conceive modular hybrid systems. These architectures integrate theirs modules capabilities. We have thus proposed the hybrid system ``CASEP2'', which combines the CBR and one of the proposed SOM models.