Outils pour utilisateurs

Outils du site


start:rech:appr

Depuis 2013 dans le cadre de la thèse de Simon PAGEAUD, nous utilisons des méthodes d'apprentissage par renforcement et du Deep Learning (IQN DRL) dans un cadre décentralisé partiellement observable (dec-POMDP).

J'ai aussi travaillé par le passé sur les méthodes de classification non supervisées pour l'apprentissage automatique, avec la thèse d'Haytham ELGHAZEL (2007). Nous avons notamment élaboré une méthode de clustering basée sur la théorie des graphes, qui exploite les propriétés de la b-coloration.

Ces travaux ont été appliqués au cas des données médicales (données hétérogènes, taxonomies et arborescences) lors d'un projet régional DOMECAD.

Nous avons aussi collaboré avec le Pr T. Yoshida d'Hokkaido University, Japon, sur une version incrémentale de la méthode avec un algorithme glouton.

A ces travaux était associé une plateforme logicielle en Java permettant de tester des données réelles médicales, et des benchmarks d'UCI (Machine Learning Repository), avec différentes méthodes d'échantillonnage.

start/rech/appr.txt · Dernière modification: 2018/11/19 17:32 par vdesland

CNRS INSA de Lyon Université Lyon 1 Université Lyon 2 École centrale de Lyon