Skip to Main content Skip to Navigation
Theses

Fondations, méthode et applications de l'apprentissage bayésien.

Pierre-Charles Dangauthier 1
1 E-MOTION - Geometry and Probability for Motion and Action
Inria Grenoble - Rhône-Alpes, LIG - Laboratoire d'Informatique de Grenoble [2007-2015]
Résumé : Le domaine de l'apprentissage automatique a pour but la création d'agents synthétiques améliorant leurs performances avec l'expérience. Pour pouvoir se perfectionner, ces agents extraient des régularités statistiques de données incertaines et mettent à jour leur modèle du monde. Les probabilités bayésiennes sont un outil rationnel pour répondre à la problématique de l'apprentissage. Cependant, comme ce problème est souvent difficile, des solutions proposant un compromis entre précision et rapidité doivent être mises en oeuvre. Ce travail présente la méthode d'apprentissage bayésien, ses fondations philosophiques et plusieurs applications innovantes. Nous nous intéressons d'abord à des questions d'apprentissage de paramètres. Dans ce cadre nous étudions deux problèmes d'analyse de données à variables cachées. Nous proposons d'abord une méthode bayésienne pour classer les joueurs d'échecs qui améliore sensiblement le système Elo. Le classement produit permet de répondre à des questions intéressantes comme celle de savoir qui fut le meilleur joueur d'échecs de tous les temps. Nous étudions aussi un système de filtrage collaboratif dont le but est de prévoir les goûts cinématographiques d'utilisateurs en fonction de leurs préférences passées. La deuxième partie de notre travail concerne l'apprentissage de modèles. D'abord nous nous intéressons à la sélection de variables pertinentes dans le cadre d'une application robotique. D'un point de vue cognitif, cette sélection permet au robot de transférer ses connaissances d'un domaine sensorimoteur vers un autre. Finalement, nous proposons une méthode permettant de découvrir automatiquement une nouvelle variable cachée afin de mieux modéliser l'environnement d'un robot.
Complete list of metadatas

Cited literature [176 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-00267643
Contributor : Pierre Dangauthier <>
Submitted on : Friday, March 28, 2008 - 2:29:18 AM
Last modification on : Thursday, July 9, 2020 - 9:44:34 AM
Document(s) archivé(s) le : Thursday, May 20, 2010 - 9:26:23 PM

Identifiers

  • HAL Id : tel-00267643, version 1

Collections

Citation

Pierre-Charles Dangauthier. Fondations, méthode et applications de l'apprentissage bayésien.. Interface homme-machine [cs.HC]. Institut National Polytechnique de Grenoble - INPG, 2007. Français. ⟨tel-00267643⟩

Share

Metrics

Record views

763

Files downloads

13349