Modélisation et apprentissage des préférences par réseaux de neurones pour l'aide à la décision multicritère

Résumé : La modélisation des préférences des décideurs pour des problèmes de choix est l'objet principal de ce travail de thèse. Afin d'obtenir des modèles plus réalistes, des fonctions de préférence contextuelle sont présentées dans ce mémoire de thèse. La complexité d'expression de telles fonctions est réduite par le recours à des techniques d'apprentissage automatique à partir de réseaux de neurones. L'identification des fonctions de préférence est réalisée par des réseaux de neurones, fondés sur les principes de la régression non-linéaire, à partir d'exemples de décision. Une telle technique n'est pas toujours applicable en pratique à cause du nombre élevé d'exemples nécessaire. Le réseau neuronal INKA, développé dans le cadre de ce travail, effectue la régression avec un nombre d'exemples relativement petit. INKA offre également des temps d'apprentissage courts par rapport à d'autres techniques, ce qui est nécessaire pour une acquisition interactive de la fonction de préférence. INKA est utilisé dans le système interactif d'aide à la décision (SIAD) présenté, qui est un des premiers à mettre en oeuvre un apprentissage automatique d'une fonction de préférence globale. La visualisation de la fonction apprise et les indicateurs de précision et de sensibilité permettent au décideur d'estimer le moment d'arrêter la recherche de solutions. Ceci est particulièrement utile pour apprendre les préférences des décideurs " abstraits " (acteurs sociaux, systèmes naturels, ...), qui ne peuvent pas utiliser directement le système. Les fonctionnalités d'explication développées dans ce travail permettent de justifier les recommandations des SIAD, ce qui a constitué un des grands défis du domaine de l'aide à la décision multicritère et des réseaux neuronaux. Il est donc possible d'expliquer, de comprendre et d'analyser les préférences même pour des décideurs abstraits. L'intérêt de telles explications est de faciliter la prise de décisions négociées dans le cadre de projets d'aménagement complexes ou pour améliorer des produits dont les ventes dépendent des préférences des clients.
Type de document :
Thèse
Sciences de l'environnement. INSA de Lyon, 1996. Français. 〈NNT : 1996ISAL0025〉
Liste complète des métadonnées

Littérature citée [84 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-00825854
Contributeur : Florent Breuil <>
Soumis le : vendredi 24 mai 2013 - 17:26:16
Dernière modification le : mardi 22 mars 2016 - 01:28:42
Document(s) archivé(s) le : dimanche 25 août 2013 - 08:10:09

Identifiants

  • HAL Id : tel-00825854, version 1

Citation

Kary Främling. Modélisation et apprentissage des préférences par réseaux de neurones pour l'aide à la décision multicritère. Sciences de l'environnement. INSA de Lyon, 1996. Français. 〈NNT : 1996ISAL0025〉. 〈tel-00825854〉

Partager

Métriques

Consultations de
la notice

678

Téléchargements du document

3806