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
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.
Type de document :
Thèse
Interface homme-machine [cs.HC]. Institut National Polytechnique de Grenoble - INPG, 2007. Français
Liste complète des métadonnées

Littérature citée [176 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-00267643
Contributeur : Pierre Dangauthier <>
Soumis le : vendredi 28 mars 2008 - 02:29:18
Dernière modification le : jeudi 11 octobre 2018 - 08:48:02
Document(s) archivé(s) le : jeudi 20 mai 2010 - 21:26:23

Identifiants

  • 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〉

Partager

Métriques

Consultations de la notice

679

Téléchargements de fichiers

9631