Inhaltsverzeichnis
Auswahl der wissenschaftlichen Literatur zum Thema „Machine learning approches“
Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an
Machen Sie sich mit den Listen der aktuellen Artikel, Bücher, Dissertationen, Berichten und anderer wissenschaftlichen Quellen zum Thema "Machine learning approches" bekannt.
Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.
Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.
Zeitschriftenartikel zum Thema "Machine learning approches"
1
N, Abinaya, Anand R, Arunkumar T und Sameema Begam S. „An Exhaustive Survey on Automatic Text Summarization Using Machine Learning Approches“. Webology 18, Nr. 05 (29.10.2021): 1184–90. http://dx.doi.org/10.14704/web/v18si05/web18299.
Der volle Inhalt der QuelleAnnotation:
Automatic Text Summarization (ATS) is the key challenge in the area of Natural Language Processing (NLP). It deals with generalizing a summary from a given text without losing the vital information. This is a contemporary area because of exponential content growth in internet and applied in summarizing the content available in books, newsletters, internal document analysis, patent research, e-learning etc. Various machine learning approaches are used in order to achieve the performance of human-generated summaries. The system fails to perform at few areas like checking grammatical errors and paraphrasing the sentences after the summary creation. This work provides a brief view on methods and approaches used in ATS.
2
Haroon, Kinza, Sidra Minhas, Nosheen Sabahat und Samson Nassrani. „Machine Learning Approches for Prediction of Mental Health Issues in Adolescents: A Comparative Survey“. VFAST Transactions on Software Engineering 11, Nr. 1 (18.03.2023): 37–50. http://dx.doi.org/10.21015/vtse.v11i1.1307.
Der volle Inhalt der QuelleAnnotation:
Mental health is recognized as a non-communicable disease that impairs human lives, sometimes beyond recovery. While everyone is at risk of developing a mental illness, adolescents are more prone to it due to various factors like hormonal changes, study pressure, social pressure, etc. If mental health goes ignored at this stage, it can cause serious, even fatal problems later on in life, which not only impacts a family but also the young workforce of a country. Hence, constant efforts are being made for the early detection of mental disorders so they can be treated better. Early prediction of mental health issues is a classic machine learning problem relying on patient history and data. In this survey, we discuss a total of 22 previous research papers based on machine learning algorithms and other statistical analysis tools employed for the said task and compare their efficacy. The research papers are categorized into different mental health disorders such as 1) Methods for predicting Depression and Anxiety 2) Methods for Suidial Prevalence 3) Methods for Predicting Autism Spectrum Disorder (ASD) 4) Methods for Predicting Substance Abuse among adolescents. On the basis of accuracy, the performance of machine learning prediction models was compared. CNN models, Random Forest, and XGBoost generally performed better than other models. There is centralized research in Pakistan on mental health based on machine learning so SPSS and other tools are mostly used for data analysis. The findings suggest that Machine learning algorithms can be effective for classifying and early predicting high-risk factors among adolescents
3
Roten, Claude-Alain, Serge Nicollerat, Lionel Pousaz und Guy Genilloud. „Détecter par stylométrie la fraude académique utilisant ChatGPT“. Cahiers IRAFPA 1, Nr. 1 (14.07.2023): 1–11. http://dx.doi.org/10.56240/irafpa.cm.v1n1/rot.
Der volle Inhalt der QuelleAnnotation:
Depuis la fin de l’année 2022, ChatGPT rend possible la rédaction de textes par Intelligence Artificielle. Cette IA faible est un agent conversationnel qui ne comprend ni les textes qu’il produit, ni ceux de son corpus d’entraînement. Car, pour écrire des textes crédibles, le chatbot construit des séquences de mots en choisissant les termes voisins les plus probables d’après les textes d’entraînement utilisés pour son modèle de langage GPT-3.5. Donc, par nature, ChatGPT rédige sans créativité un contenu plausible, mais pas nécessairement conforme à la réalité. Les textes ChatGPT peuvent servir à frauder dans un cadre académique : l’IA est capable de répondre à la place d’un candidat aux questions d’un examen, de rédiger un document certifiant (master, thèse…) ou d’augmenter déraisonnablement le volume des contributions d’un hyper-publiant. L’article décrit deux approches stylométriques capables de détecter la fraude académique générée par chatbot. La rédaction d’un texte par une IA peut d’abord être mise en évidence par la comparaison de son style avec des documents authentiquement rédigés par l’auteur présumé, selon l’approche Machine Learning que nous avons développée pour détecter le ghostwriting : l’IA est soumise au même type de détection qu’un ghostwriter. Ensuite, ChatGPT peut également être détecté comme IA indépendamment de son modèle de langage par notre approche originale Machine Learning, qui mesure le choix des mots et de leurs proches voisins : dans un texte chatbot qui préfère les voisins les plus probables, le choix est sensiblement plus restreint que dans un texte généré par un rédacteur humain. L’article discute les conséquences de la rédaction par IA pour l’enseignement et la recherche et propose des moyens pour la détecter.
4
Ben-Ari, Yehezkel, Hugues Caly, Hamed Rabiei und Éric Lemonnier. „Pronostiquer tôt les troubles du spectre autistique : Un défi ?“ médecine/sciences 38, Nr. 5 (Mai 2022): 431–37. http://dx.doi.org/10.1051/medsci/2022054.
Der volle Inhalt der QuelleAnnotation:
Les troubles du spectre de l’autisme (TSA) « naissent » in utero à la suite d’évènements pathologiques génétiques ou environnementaux. Le diagnostic des TSA n’est cependant effectué que vers l’âge de 3-5 ans en Europe et aux États-Unis. Un pronostic précoce permettrait pourtant d’atténuer la sévérité des atteintes cognitives, grâce à des approches psycho-éducatives. Une large panoplie d’approches a été suggérée pour établir un pronostic précoce des TSA, se fondant sur l’imagerie cérébrale, sur des enregistrements EEG, sur des biomarqueurs sanguins ou sur l’analyse des contacts visuels. Nous avons développé une approche fondée sur l’analyse par machine learning des données biologiques et échographiques recueillies en routine, du début de la grossesse au lendemain de la naissance, dans les maternités françaises. Ce programme qui permet d’identifier la presque totalité des bébés neurotypiques et la moitié des bébés qui auront un diagnostic de TSA quelques années plus tard, permet aussi d’identifier les paramètres ayant un impact sur le pronostic. Si quelques-uns d’entre eux étaient attendus, d’autres n’ont aucun lien avec les TSA. L’étude sans a priori des données de maternité devrait ainsi permettre un pronostic des TSA dès la naissance, ainsi que de mieux comprendre la pathogenèse de ces syndromes et de les traiter plus tôt.
5
Slama, Omessaad, Bechir Alaya und Salah Zidi. „Towards Misbehavior Intelligent Detection Using Guided Machine Learning in Vehicular Ad-hoc Networks (VANET)“. Inteligencia Artificial 25, Nr. 70 (31.12.2022): 138–54. http://dx.doi.org/10.4114/intartif.vol25iss70pp138-154.
Der volle Inhalt der QuelleAnnotation:
C-ITS (Cooperative Intelligent Transport Systems) est une nouvelle technologie qui contribue à la réduction des accidents de la circulation et à l'amélioration de la sécurité routière. VANET ( V ehicular A d hoc Networks) sont un système STI basé sur la communication inter-véhicules par la transmission de messages de sécurité de base (BSM), qui sont vulnérables à une variété de comportements inappropriés. Pour résoudre ce défi, nous avons développé dans cet article un système de détection de mauvais comportement (MDS) basé sur une approche d'apprentissage automatisé pour identifier et catégoriser les messages de mauvais comportement délivrés par un véhicule sur les VANET à l'aide de la base de données d'extension VeReMi. Cette étude examine différents types de classification : dans la classification binaire, toutes sortes d'inconduites ont été regroupées en une seule catégorie « inconduite » ; cependant, dans la classification multi-classes pour trois classes, la mauvaise conduite a été divisée en deux classes : les attaques et les fautes. Le classificateur a des problèmes substantiels lors de l'apprentissage à partir de données déséquilibrées wLorsque vous travaillez avec des problèmes multi-classes, cela devient considérablement plus complexe. Les relations entre les catégories ne sont plus bien définies et il est facile de perdre en efficacité dans une classe tout en s'améliorant dans une autre. En conséquence, les résultats ne sont pas cohérents dans l'approche d'apprentissage classique pour la classification multi-classes lors de la classification des comportements répréhensibles dans différents types de classes de comportements répréhensibles. Pour résoudre ce problème, nous avons développé une approche nouvelle et puissante appelée "Approche d'apprentissage guidé pour la classification multi-classes" pour réduire le nombre de classes en combinant des comportements inappropriés comparables en un seul. Selon les résultats, le classificateur Random Forest surpasse les autres classificateurs.
6
Tainturier, Benjamin, Charles de Dampierre und Dominique Cardon. „Mesurer l’empreinte antisémite sur YouTube“. Bulletin of Sociological Methodology/Bulletin de Méthodologie Sociologique 160, Nr. 1 (Oktober 2023): 71–98. http://dx.doi.org/10.1177/07591063231196163.
Der volle Inhalt der QuelleAnnotation:
Cet article propose une approche exploratoire visant à mesurer l’empreinte du discours antisémite sur les chaînes d’information et d’actualité de YouTube en France. Devant la complexité et la polysémie du phénomène étudié, une approche par « empreinte » a en effet été privilégiée, s’appuyant sur des méthodes de machine learning et l’entrainement d’un outil de traitement automatique du langage. Il apparaît que cet outil, imparfait, mais ouvrant de nombreuses pistes méthodologiques quant à l’étude des discours de haine, détecte un antisémitisme peu prévalent, mais surreprésenté dans les espaces numériques liés à la droite radicale.
7
Lahmann, Henning, und Robin Geiß. „The use of AI in military contexts: opportunities and regulatory challenges“. Military Law and the Law of War Review 59, Nr. 2 (19.01.2022): 165–95. http://dx.doi.org/10.4337/mllwr.2021.02.02.
Der volle Inhalt der QuelleAnnotation:
While the use of artificial intelligence (AI) and machine-learning algorithms in the context of armed conflicts has been subject to scholarly and political debate for at least the past half-decade, to date discussions have focused on the possible development and deployment of lethal autonomous weapon systems. Going beyond this narrow perspective, the article draws attention to other military uses of AI that are conceivable or in fact already exist, for example for the purpose of detention, force protection, equipment maintenance, or reconnaissance. It critically examines these different applications from a legal and ethical perspective, exposing some of the challenges inherent in the technology such as algorithmic bias or predictability. On the basis of existing and emerging approaches to the regulation of ‘civilian’ AI, the article concludes by proposing a granular, tiered way to future regulation of military AI that proceeds from the criticality of each particular application. Alors que le recours à l’intelligence artificielle et aux algorithmes d’apprentissage automatique dans le contexte des conflits armés a fait l’objet d’un débat entre spécialistes et au niveau politique durant au moins ces cinq dernières années, les discussions se sont concentrées jusqu’alors sur le développement et le déploiement possibles de systèmes d’armes létaux autonomes. Cet article va au-delà de cette perspective restrictive et attire l’attention sur d’autres usages militaires de l’intelligence artificielle qui sont concevables ou qui existent déjà, par exemple à des fins de détention, de protection des forces armées, d’entretien de l’équipement ou de reconnaissance. Il examine de manière critique ces différentes applications d’un point de vue légal et éthique, en exposant certains des défis inhérents à la technologie, tels que le biais algorithmique ou la prévisibilité. En se basant sur des approches existantes ou émergentes relatives à la réglementation de l’intelligence artificielle «civile», l’article propose pour conclure une approche graduelle de la future réglementation en matière d’intelligence artificielle, en partant du caractère critique de chaque application particulière. Hoewel het gebruik van artificiële intelligentie (AI) en machine learning-algoritmen in de context van gewapende conflicten al gedurende minstens de laatste vijf jaar onderwerp is van wetenschappelijk en politiek debat, zijn de discussies tot nu toe vooral gericht geweest op de mogelijke ontwikkeling en inzet van dodelijke autonome wapensystemen. Het artikel gaat verder dan dit beperkte perspectief en vestigt de aandacht op andere militaire toepassingen van AI die denkbaar zijn of in feite al bestaan, bijvoorbeeld voor detentie, troepenbescherming, materieelonderhoud of verkenning. Deze verschillende toepassingen worden kritisch onderzocht vanuit een juridisch en ethisch perspectief, waarbij enkele uitdagingen worden blootgelegd die inherent zijn aan de technologie, zoals algoritmische vooringenomenheid of voorspelbaarheid. Op basis van bestaande en opkomende benaderingen van de reglementering van “civiele” AI, wordt in het artikel tot slot een stapsgewijze manier voorgesteld voor de toekomstige reglementering van militaire AI, die uitgaat van het kritische karakter van elke specifieke toepassing. Mentre l’uso dell’intelligenza artificiale (AI) e degli algoritmi di apprendimento automatico nel contesto dei conflitti armati è stato oggetto di dibattito accademico e politico per almeno l’ultimo mezzo decennio, ad oggi le discussioni si sono concentrate sul possibile sviluppo e dispiegamento di sistemi d’arma autonomi letali. Superando questa limitata prospettiva, l’articolo richiama l’attenzione su altri usi militari dell’IA immaginari o che di fatto già esistono, per esempio a scopo di detenzione, protezione delle forze, manutenzione delle attrezzature o ricognizione. L’articolo esamina criticamente queste diverse applicazioni da una prospettiva legale ed etica, mettendo in luce alcune sfide insite nella tecnologia, come la distorsione algoritmica o la prevedibilità. Sulla base degli approcci esistenti ed emergenti alla regolamentazione dell’IA “civile”, l’articolo conclude proponendo una precisa e graduale via per la futura regolamentazione dell’IA militare che consegue alla criticità di ogni particolare applicazione. Si bien el empleo de inteligencia artificial (IA) y de algoritmos de aprendizaje automático en el contexto de los conflictos armados ha sido objeto de debate académico y político durante al menos la última media década, hasta la fecha las discusiones se han centrado en el posible desarrollo y despliegue de sistemas letales de armas autónomos. Más allá de esta perspectiva particular, el artículo llama la atención sobre otros usos militares de la IA que son concebibles o que de hecho, por ejemplo, ya existen con fines de detención, protección de la fuerza, mantenimiento de equipos o reconocimiento. Se examinan críticamente estas diferentes aplicaciones desde una perspectiva legal y ética, exponiendo algunos de los desafíos inherentes a la tecnología, como el sesgo algorítmico o la previsibilidad. Partiendo de la base de los enfoques ya existentes y emergentes para la regulación de la IA “civil”, el artículo concluye proponiendo una alternativa granular y escalonada de cara a la futura regulación de la IA militar con fundamento en un análisis crítico de cada aplicación en particular. Obwohl die Anwendung von künstlicher Intelligenz (KI) und von Algorithmen für maschinelles Lernen im Kontext bewaffneter Konflikte mindestens in den letzten fünf Jahren Gegenstand wissenschaftlicher und politischer Debatten gewesen ist, fokussierten die Diskussionen bisher auf die mögliche Entwicklung und den möglichen Einsatz letaler autonomer Waffensysteme. Über diesen Gesichtspunkt hinaus lenkt der Artikel die Aufmerksamkeit auf andere denkbare oder tatsächlich bereits existierende militärische Anwendungen der KI, zum Beispiel zum Zwecke der Haft, des Schutzes der eigenen Kräfte, der Ausrüstungswartung oder Aufklärung. Der Autor prüft diese verschiedenen Anwendungen kritisch aus gesetzlicher und ethischer Sicht, und legt dabei einige der Herausforderungen offen, die der Technologie inhärent sind, wie algorithmische Voreingenommenheit oder Voraussagbarkeit. Auf der Basis existierender und neu aufkommender Vorgehensweisen in Bezug auf die Reglementierung “ziviler” KI schlägt der Artikel zum Schluss eine stufenweise künftige Reglementierung militärischer KI vor, die von der Kritikalität jeder besonderen Anwendung ausgeht.
8
Foucart, Jean-Michel, Luc Gillibert, Augustin Chavanne und Xavier Ripoche. „Le Deep Learning en orthodontie : vers une relation patient-praticien repensée…“. Revue d'Orthopédie Dento-Faciale 55, Nr. 1 (Februar 2021): 73–87. http://dx.doi.org/10.1051/odfen/2021006.
Der volle Inhalt der QuelleAnnotation:
Depuis une dizaine d’année, l’Intelligence artificielle (IA) transforme progressivement les pratiques, la médecine aussi bien que l’orthodontie n’échappent pas à cette règle. Dès lors, se pose la question de la place de cette technologie au sein de la pratique quotidienne; et ce à toutes les étapes de la prise en charge thérapeutique. Cette technologie simplifie l’analyse du nombre croissant de données de plus en plus complexes dont nous disposons, notamment à travers le scanner optique intra-oral, le scanner facial ou la radiographie 3D. Pour savoir l’exploiter, il est nécessaire d’en connaître ses différents principes. L’objectif de ce travail est, après avoir introduit les bases du Deep Learning qui s’appuie les réseaux neuronaux virtuels, d’aborder quelles sont les applications actuelles de cette technologie en médecine bucco-dentaire et en orthodontie. La connaissance des dernières recherches et des derniers résultats obtenus permet alors d’envisager la future relation praticien-machine dans le cadre d’une approche personnalisée et repensée autour du patient.
9
Saidi, Wiam, Abdellatif El Abderahmani und Khalid Satori. „New approch of opinion analysis from big social data environment using a supervised machine learning algirithm“. E3S Web of Conferences 319 (2021): 01037. http://dx.doi.org/10.1051/e3sconf/202131901037.
Der volle Inhalt der QuelleAnnotation:
Sentiment analysis is a very substantial area of research in our environment. Many studies have focused on the topic in recent years. It has rapidly gained interest due to the unusual volume of opinion-bearing data on the Internet (Big Social Data). In this paper, we focus on sentiment environment analysis from Amazon customer reviews shared by a machine learning based approach. This process starts with the collection of reviews and their annotation followed by a text pre-processing phase in order to extract words that are reduced to their root. These words will be used for the construction of input variables using several combinations of extraction and weighting schemes. Classification is then performed by a supervised Machine Learning classifier. The results obtained from the experiments are very promising.
10
Monnier, J., A. C. Foahom Gouabou, C. Gaudy-Marqueste, J. L. Damoiseaux, J. J. Grob und D. Merad. „Impact d’un artefact fréquent sur la détection automatique du mélanome à partir d’images dermoscopiques : approche deep learning combinée à l’algorithme Support Vector Machine“. Annales de Dermatologie et de Vénéréologie 147, Nr. 12 (Dezember 2020): A82. http://dx.doi.org/10.1016/j.annder.2020.09.022.
Der volle Inhalt der QuelleDissertationen zum Thema "Machine learning approches"
1
Arman, Molood. „Machine Learning Approaches for Sub-surface Geological Heterogeneous Sources“. Electronic Thesis or Diss., université Paris-Saclay, 2023. http://www.theses.fr/2023UPASG014.
Der volle Inhalt der QuelleAnnotation:
Dans le domaine de l'exploration et de la production du pétrole et du gaz, il est essentiel de comprendre les structures géologiques de sous-sol, tels que les diagraphies de puits et les échantillons de roche, afin de fournir des outils de prédiction et d'aide à la décision. Exploiter des données provenant de différentes sources, structurées ou non structurées, telles que des bases de données relationnelles et des rapports numérisés portant sur la géologie du sous-sol, est primordial. Le principal défi pour les données structurées réside dans l'absence d'un schéma global permettant de croiser tous les attributs provenant de différentes sources.Les défis sont autres pour les données non structurées. La plupart des rapports géologiques de sous-sol sont des versions scannées de documents. L'objectif de notre travail de thèse est de fournir une représentation structurée des différentes sources de données, et de construire des modèles de language spécifique au domaine pour l'apprentissage des entités nommées relatives à la géologie du sous-solIn oil and gas exploration and production, understanding subsurface geological structures, such as well logs and rock samples, is essential to provide predictive and decision support tools. Gathering and using data from a variety of sources, both structured and unstructured, such as relational databases and digitized reports on the subsurface geology, are critical. The main challenge for the structured data is the lack of a global schema to cross-reference all attributes from different sources. The challenges are different for unstructured data. Most subsurface geological reports are scanned versions of documents. Our dissertation aims to provide a structured representation of the different data sources and to build domain-specific language models for learning named entities related to subsurface geology
2
Peyrache, Jean-Philippe. „Nouvelles approches itératives avec garanties théoriques pour l'adaptation de domaine non supervisée“. Thesis, Saint-Etienne, 2014. http://www.theses.fr/2014STET4023/document.
Der volle Inhalt der QuelleAnnotation:
Ces dernières années, l’intérêt pour l’apprentissage automatique n’a cessé d’augmenter dans des domaines aussi variés que la reconnaissance d’images ou l’analyse de données médicales. Cependant, une limitation du cadre classique PAC a récemment été mise en avant. Elle a entraîné l’émergence d’un nouvel axe de recherche : l’Adaptation de Domaine, dans lequel on considère que les données d’apprentissage proviennent d’une distribution (dite source) différente de celle (dite cible) dont sont issues les données de test. Les premiers travaux théoriques effectués ont débouché sur la conclusion selon laquelle une bonne performance sur le test peut s’obtenir en minimisant à la fois l’erreur sur le domaine source et un terme de divergence entre les deux distributions. Trois grandes catégories d’approches s’en inspirent : par repondération, par reprojection et par auto-étiquetage. Dans ce travail de thèse, nous proposons deux contributions. La première est une approche de reprojection basée sur la théorie du boosting et s’appliquant aux données numériques. Celle-ci offre des garanties théoriques intéressantes et semble également en mesure d’obtenir de bonnes performances en généralisation. Notre seconde contribution consiste d’une part en la proposition d’un cadre permettant de combler le manque de résultats théoriques pour les méthodes d’auto-étiquetage en donnant des conditions nécessaires à la réussite de ce type d’algorithme. D’autre part, nous proposons dans ce cadre une nouvelle approche utilisant la théorie des (epsilon, gamma, tau)-bonnes fonctions de similarité afin de contourner les limitations imposées par la théorie des noyaux dans le contexte des données structuréesDuring the past few years, an increasing interest for Machine Learning has been encountered, in various domains like image recognition or medical data analysis. However, a limitation of the classical PAC framework has recently been highlighted. It led to the emergence of a new research axis: Domain Adaptation (DA), in which learning data are considered as coming from a distribution (the source one) different from the one (the target one) from which are generated test data. The first theoretical works concluded that a good performance on the target domain can be obtained by minimizing in the same time the source error and a divergence term between the two distributions. Three main categories of approaches are derived from this idea : by reweighting, by reprojection and by self-labeling. In this thesis work, we propose two contributions. The first one is a reprojection approach based on boosting theory and designed for numerical data. It offers interesting theoretical guarantees and also seems able to obtain good generalization performances. Our second contribution consists first in a framework filling the gap of the lack of theoretical results for self-labeling methods by introducing necessary conditions ensuring the good behavior of this kind of algorithm. On the other hand, we propose in this framework a new approach, using the theory of (epsilon, gamma, tau)- good similarity functions to go around the limitations due to the use of kernel theory in the specific context of structured data
3
Cherif, Aymen. „Réseaux de neurones, SVM et approches locales pour la prévision de séries temporelles“. Thesis, Tours, 2013. http://www.theses.fr/2013TOUR4003/document.
Der volle Inhalt der QuelleAnnotation:
La prévision des séries temporelles est un problème qui est traité depuis de nombreuses années. On y trouve des applications dans différents domaines tels que : la finance, la médecine, le transport, etc. Dans cette thèse, on s’est intéressé aux méthodes issues de l’apprentissage artificiel : les réseaux de neurones et les SVM. On s’est également intéressé à l’intérêt des méta-méthodes pour améliorer les performances des prédicteurs, notamment l’approche locale. Dans une optique de diviser pour régner, les approches locales effectuent le clustering des données avant d’affecter les prédicteurs aux sous ensembles obtenus. Nous présentons une modification dans l’algorithme d’apprentissage des réseaux de neurones récurrents afin de les adapter à cette approche. Nous proposons également deux nouvelles techniques de clustering, la première basée sur les cartes de Kohonen et la seconde sur les arbres binairesTime series forecasting is a widely discussed issue for many years. Researchers from various disciplines have addressed it in several application areas : finance, medical, transportation, etc. In this thesis, we focused on machine learning methods : neural networks and SVM. We have also been interested in the meta-methods to push up the predictor performances, and more specifically the local models. In a divide and conquer strategy, the local models perform a clustering over the data sets before different predictors are affected into each obtained subset. We present in this thesis a new algorithm for recurrent neural networks to use them as local predictors. We also propose two novel clustering techniques suitable for local models. The first is based on Kohonen maps, and the second is based on binary trees
4
Hollocou, Alexandre. „Nouvelles approches pour le partitionnement de grands graphes“. Thesis, Paris Sciences et Lettres (ComUE), 2018. http://www.theses.fr/2018PSLEE063.
Der volle Inhalt der QuelleAnnotation:
Les graphes sont omniprésents dans de nombreux domaines de recherche, allant de la biologie à la sociologie. Un graphe est une structure mathématique très simple constituée d’un ensemble d’éléments, appelés nœuds, reliés entre eux par des liens, appelés arêtes. Malgré cette simplicité, les graphes sont capables de représenter des systèmes extrêmement complexes, comme les interactions entre protéines ou les collaborations scientifiques. Le partitionnement ou clustering de graphe est un problème central en analyse de graphe dont l’objectif est d’identifier des groupes de nœuds densément interconnectés et peu connectés avec le reste du graphe. Ces groupes de nœuds, appelés clusters, sont fondamentaux pour une compréhension fine de la structure des graphes. Il n’existe pas de définition universelle de ce qu’est un bon cluster, et différentes approches peuvent s’avérer mieux adaptées dans différentes situations. Alors que les méthodes classiques s’attachent à trouver des partitions des nœuds de graphe, c’est-à-dire à colorer ces nœuds de manière à ce qu’un nœud donné n’ait qu’une et une seule couleur, des approches plus élaborées se révèlent nécessaires pour modéliser la structure complexe des graphes que l’on rencontre en situation réelle. En particulier, dans de nombreux cas, il est nécessaire de considérer qu’un nœud donné peut appartenir à plus d’un cluster. Par ailleurs, de nombreux systèmes que l’on rencontre en pratique présentent une structure multi-échelle pour laquelle il est nécessaire de partir à la recherche de hiérarchies de clusters plutôt que d’effectuer un partitionnement à plat. De plus, les graphes que l’on rencontre en pratique évoluent souvent avec le temps et sont trop massifs pour être traités en un seul lot. Pour ces raisons, il est souvent nécessaire d’adopter des approches dites de streaming qui traitent les arêtes au fil de l’eau. Enfin, dans de nombreuses applications, traiter des graphes entiers n’est pas nécessaire ou est trop coûteux, et il est plus approprié de retrouver des clusters locaux dans un voisinage de nœuds d’intérêt plutôt que de colorer tous les nœuds. Dans ce travail, nous étudions des approches alternatives de partitionnement de graphe et mettons au point de nouveaux algorithmes afin de résoudre les différents problèmes évoqués ci-dessusGraphs are ubiquitous in many fields of research ranging from sociology to biology. A graph is a very simple mathematical structure that consists of a set of elements, called nodes, connected to each other by edges. It is yet able to represent complex systems such as protein-protein interaction or scientific collaborations. Graph clustering is a central problem in the analysis of graphs whose objective is to identify dense groups of nodes that are sparsely connected to the rest of the graph. These groups of nodes, called clusters, are fundamental to an in-depth understanding of graph structures. There is no universal definition of what a good cluster is, and different approaches might be best suited for different applications. Whereas most of classic methods focus on finding node partitions, i.e. on coloring graph nodes so that each node has one and only one color, more elaborate approaches are often necessary to model the complex structure of real-life graphs and to address sophisticated applications. In particular, in many cases, we must consider that a given node can belong to more than one cluster. Besides, many real-world systems exhibit multi-scale structures and one much seek for hierarchies of clusters rather than flat clusterings. Furthermore, graphs often evolve over time and are too massive to be handled in one batch so that one must be able to process stream of edges. Finally, in many applications, processing entire graphs is irrelevant or expensive, and it can be more appropriate to recover local clusters in the neighborhood of nodes of interest rather than color all graph nodes. In this work, we study alternative approaches and design novel algorithms to tackle these different problems. The novel methods that we propose to address these different problems are mostly inspired by variants of modularity, a classic measure that accesses the quality of a node partition, and by random walks, stochastic processes whose properties are closely related to the graph structure. We provide analyses that give theoretical guarantees for the different proposed techniques, and endeavour to evaluate these algorithms on real-world datasets and use cases
5
Godet, Pierre. „Approches par apprentissage pour l’estimation de mouvement multiframe en vidéo“. Thesis, université Paris-Saclay, 2021. http://www.theses.fr/2021UPASG005.
Der volle Inhalt der QuelleAnnotation:
Ce travail porte sur l'exploitation de l'information temporelle sur une séquence de plus de deux images pour l'estimation du flot optique, défini comme le champ dense (en tout pixel) des mouvements apparents dans le repère image. Nous étudions d'une part l'utilisation d'une base de modèles temporels, appris par analyse en composantes principales à partir des données étudiées, pour modéliser la dépendance temporelle du mouvement. Cette première étude se focalise sur le contexte de la vélocimétrie par images de particules en mécanique des fluides. D'autre part, le nouvel état de l'art de l'estimation de flot optique ayant récemment été établi par des méthodes basées sur l'apprentissage profond, nous entraînons des réseaux de neurones convolutifs à estimer le flot optique en profitant de la continuité temporelle, dans le cas de séquences d'images naturelles. Nous proposons ensuite STaRFlow, un réseau de neurones convolutif exploitant une mémoire de l'information du passé au moyen d'une récurrence temporelle. Par application répétée d'une même cellule récurrente, les mêmes paramètres appris sont utilisés pour les différents instants considérés et pour les différents niveaux d'un processus multi-échelle. Cette architecture est plus légère que les réseaux concurrents tout en conférant à STaRFlow des performances à l'état de l'art. Au fil de nos travaux, nous mettons en évidence plusieurs cas où l'utilisation de l'information temporelle permet d'améliorer la qualité de l'estimation, en particulier en présence d'occultations, lorsque la qualité image est dégradée (flou, bruit), ou encore dans le cas d'objets finsThis work concerns the use of temporal information on a sequence of more than two images for optical flow estimation. Optical flow is defined as the dense field (in any pixel) of the apparent movements in the image plane. We study on the one hand the use of a basis of temporal models, learned by principal component analysis from the studied data, to model the temporal dependence of the movement. This first study focuses on the context of particle image velocimetry in fluid mechanics. On the other hand, the new state of the art of optical flow estimation having recently been established by methods based on deep learning, we train convolutional neural networks to estimate optical flow by taking advantage of temporal continuity, in the case of natural image sequences. We then propose STaRFlow, a convolutional neural network exploiting a memory of information from the past by using a temporal recurrence. By repeated application of the same recurrent cell, the same learned parameters are used for the different time steps and for the different levels of a multiscale process. This architecture is lighter than competing networks while giving STaRFlow state-of-the-art performance. In the course of our work, we highlight several cases where the use of temporal information improves the quality of the estimation, in particular in the presence of occlusions, when the image quality is degraded (blur, noise), or in the case of thin objects
6
Delecraz, Sébastien. „Approches jointes texte/image pour la compréhension multimodale de documents“. Thesis, Aix-Marseille, 2018. http://www.theses.fr/2018AIXM0634/document.
Der volle Inhalt der QuelleAnnotation:
Les mécanismes de compréhension chez l'être humain sont par essence multimodaux. Comprendre le monde qui l'entoure revient chez l'être humain à fusionner l'information issue de l'ensemble de ses récepteurs sensoriels. La plupart des documents utilisés en traitement automatique de l'information sont multimodaux. Par exemple, du texte et des images dans des documents textuels ou des images et du son dans des documents vidéo. Cependant, les traitements qui leurs sont appliqués sont le plus souvent monomodaux. Le but de cette thèse est de proposer des traitements joints s'appliquant principalement au texte et à l'image pour le traitement de documents multimodaux à travers deux études : l'une portant sur la fusion multimodale pour la reconnaissance du rôle du locuteur dans des émissions télévisuelles, l'autre portant sur la complémentarité des modalités pour une tâche d'analyse linguistique sur des corpus d'images avec légendes. Pour la première étude nous nous intéressons à l'analyse de documents audiovisuels provenant de chaînes d'information télévisuelle. Nous proposons une approche utilisant des réseaux de neurones profonds pour la création d'une représentation jointe multimodale pour les représentations et la fusion des modalités. Dans la seconde partie de cette thèse nous nous intéressons aux approches permettant d'utiliser plusieurs sources d'informations multimodales pour une tâche monomodale de traitement automatique du langage, afin d'étudier leur complémentarité. Nous proposons un système complet de correction de rattachements prépositionnels utilisant de l'information visuelle, entraîné sur un corpus multimodal d'images avec légendesThe human faculties of understanding are essentially multimodal. To understand the world around them, human beings fuse the information coming from all of their sensory receptors. Most of the documents used in automatic information processing contain multimodal information, for example text and image in textual documents or image and sound in video documents, however the processings used are most often monomodal. The aim of this thesis is to propose joint processes applying mainly to text and image for the processing of multimodal documents through two studies: one on multimodal fusion for the speaker role recognition in television broadcasts, the other on the complementarity of modalities for a task of linguistic analysis on corpora of images with captions. In the first part of this study, we interested in audiovisual documents analysis from news television channels. We propose an approach that uses in particular deep neural networks for representation and fusion of modalities. In the second part of this thesis, we are interested in approaches allowing to use several sources of multimodal information for a monomodal task of natural language processing in order to study their complementarity. We propose a complete system of correction of prepositional attachments using visual information, trained on a multimodal corpus of images with captions
7
Akerma, Mahdjouba. „Impact énergétique de l’effacement dans un entrepôt frigorifique : analyse des approches systémiques : boîte noire / boîte blanche“. Electronic Thesis or Diss., Sorbonne université, 2020. http://www.theses.fr/2020SORUS187.
Der volle Inhalt der QuelleAnnotation:
Les entrepôts frigorifiques et chambres froides forment, de par l'inertie thermique de la masse des produits, une source importante de stockage thermique rapidement accessible et fortement attractive pour répondre aux besoins d’effacement électrique. Cependant, le risque pour le produit lors des fluctuations de température liées aux périodes d’effacement et la crainte d’une surconsommation énergétique, limitent le recours aux effacements par les industriels et acteurs du froid alimentaire. Cette thèse vise à caractériser l’effacement électrique des entrepôts en apportant un éclairage sur le comportement thermique d’un système, en termes de fluctuation de température et de consommation électrique. Une étude expérimentale a été mise en œuvre afin d’étudier plusieurs scénarios d’effacement (durée, fréquence et conditions opératoires) et de développer de nouveaux indicateurs pour caractériser l’impact de l’effacement sur le comportement thermique et énergétique des systèmes frigorifiques. Cette étude a mis en avant, l’importance de l’état de chargement pour limiter la remontée de température de l’air, et réduire l’impact de l’effacement sur les produits entreposés. Par ailleurs, le potentiel d’application de l’effacement dans le cas d’un entrepôt frigorifique ou d’une chambre froide a été évalué, en s’appuyant sur le développement des deux approches de modélisation « boîte noire » (apprentissage automatique par des réseaux de neurones artificiels de type Deep Learning) et « boîte blanche » (physique). Une possibilité d’interaction entre ces deux approches a été proposée. Elle est fondée sur l’utilisation des modèles boîte noire pour la prédiction et l’emploi du modèle boîte blanche pour générer les données d’entrée et de sortieRefrigerated warehouses and cold rooms, mainly used for food conservation, constitute available storage cells; they can be considered as a network of "thermal batteries" ready to be used and one of the best existing solutions to store and delay electricity consumption. However, the risk related to temperature fluctuations of products due to periods of demand response - DR* and the risk of energy overconsumption limit the use of this strategy by industrials in food refrigeration. The present PhD thesis aims to characterize the electrical DR of warehouses and cold rooms by examining the thermal behavior of those systems, in terms of temperature fluctuation and electrical consumption. An experimental set-up was developed to study several DR scenarios (duration, frequency and operating conditions) and to propose new indicators to characterize the impact of DR periods on the thermal and energy behavior of refrigeration systems. This study has highlighted the importance of the presence of load to limit the temperature rise and thus to reduce the impact on stored products. The potential for DR application in the case of a cold store and a cold room was assessed, based on the development of two modeling approaches: “black box” (Machine Learning by artificial neural networks using Deep Learning models) and “white box” (physics). A possibility of interaction between these two approaches has been proposed, based on the use of black box models for prediction and the use of the white box model to generate input and output data
8
Pinault, Florian. „Apprentissage par renforcement pour la généralisation des approches automatiques dans la conception des systèmes de dialogue oral“. Phd thesis, Université d'Avignon, 2011. http://tel.archives-ouvertes.fr/tel-00933937.
Der volle Inhalt der QuelleAnnotation:
Les systèmes de dialogue homme machine actuellement utilisés dans l'industrie sont fortement limités par une forme de communication très rigide imposant à l'utilisateur de suivre la logique du concepteur du système. Cette limitation est en partie due à leur représentation de l'état de dialogue sous la forme de formulaires préétablis.Pour répondre à cette difficulté, nous proposons d'utiliser une représentation sémantique à structure plus riche et flexible visant à permettre à l'utilisateur de formuler librement sa demande.Une deuxième difficulté qui handicape grandement les systèmes de dialogue est le fort taux d'erreur du système de reconnaissance vocale. Afin de traiter ces erreurs de manière quantitative, la volonté de réaliser une planification de stratégie de dialogue en milieu incertain a conduit à utiliser des méthodes d'apprentissage par renforcement telles que les processus de décision de Markov partiellement observables (POMDP). Mais un inconvénient du paradigme POMDP est sa trop grande complexité algorithmique. Certaines propositions récentes permettent de réduire la complexité du modèle. Mais elles utilisent une représentation en formulaire et ne peuvent être appliqués directement à la représentation sémantique riche que nous proposons d'utiliser.Afin d'appliquer le modèle POMDP dans un système dont le modèle sémantique est complexe, nous proposons une nouvelle façon de contrôler sa complexité en introduisant un nouveau paradigme : le POMDP résumé à double suivi de la croyance. Dans notre proposition, le POMDP maitre, complexe, est transformé en un POMDP résumé, plus simple. Un premier suivi de croyance (belief update) est réalisé dans l'espace maitre (en intégrant des observations probabilistes sous forme de listes nbest). Et un second suivi de croyance est réalisé dans l'espace résumé, les stratégies obtenues sont ainsi optimisées sur un véritable POMDP.Nous proposons deux méthodes pour définir la projection du POMDP maitre en un POMDP résumé : par des règles manuelles et par regroupement automatique par k plus proches voisins. Pour cette dernière, nous proposons d'utiliser la distance d'édition entre graphes, que nous généralisons pour obtenir une distance entre listes nbest.En outre, le couplage entre un système résumé, reposant sur un modèle statistique par POMDP, et un système expert, reposant sur des règles ad hoc, fournit un meilleur contrôle sur la stratégie finale. Ce manque de contrôle est en effet une des faiblesses empêchant l'adoption des POMDP pour le dialogue dans l'industrie.Dans le domaine du renseignement d'informations touristiques et de la réservation de chambres d'hôtel, les résultats sur des dialogues simulés montrent l'efficacité de l'approche par renforcement associée à un système de règles pour s'adapter à un environnement bruité. Les tests réels sur des utilisateurs humains montrent qu'un système optimisé par renforcement obtient cependant de meilleures performances sur le critère pour lequel il a été optimisé.
9
Pereira, Cécile. „Nouvelles approches bioinformatiques pour l'étude à grande échelle de l'évolution des activités enzymatiques“. Thesis, Paris 11, 2015. http://www.theses.fr/2015PA112065/document.
Der volle Inhalt der QuelleAnnotation:
Cette thèse a pour objectif de proposer de nouvelles méthodes permettant l'étude de l'évolution du métabolisme. Pour cela, nous avons choisi de nous pencher sur le problème de comparaison du métabolisme de centaines de micro-organismes.Afin de comparer le métabolisme de différentes espèces, il faut dans un premier temps connaître le métabolisme de chacune de ces espèces.Les protéomes des micro-organismes avec lesquels nous souhaitons travailler proviennent de différentes bases de données et ont été séquencés et annotés par différentes équipes, via différentes méthodes. L'annotation fonctionnelle peut donc être de qualité hétérogène. C'est pourquoi il est nécessaire d'effectuer une ré-annotation fonctionnelle standardisée des protéomes des organismes que nous souhaitons comparer.L'annotation de séquences protéiques peut être réalisée par le transfert d'annotations entre séquences orthologues. Il existe plus de 39 bases de données répertoriant des orthologues prédits par différentes méthodes. Il est connu que ces méthodes mènent à des prédictions en partie différentes. Afin de tenir compte des prédictions actuelles tout en ajoutant de l'information pertinente, nous avons développé la méta-approche MARIO. Celle-ci combine les intersections des résultats de plusieurs méthodes de détections de groupes d'orthologues et les enrichit grâce à l'utilisation de profils HMM. Nous montrons que notre méta-approche permet de prédire un plus grand nombre d'orthologues tout en améliorant la similarité de fonction des paires d'orthologues prédites. Cela nous a permis de prédire le répertoire enzymatique de 178 protéomes de micro-organismes (dont 174 champignons).Dans un second temps, nous analysons ces répertoires enzymatiques afin d'en apprendre plus sur l'évolution du métabolisme. Dans ce but, nous cherchons des combinaisons de présence/absence d'activités enzymatiques permettant de caractériser un groupe taxonomique donné. Ainsi, il devient possible de déduire si la création d'un groupe taxonomique particulier peut s'expliquer par (ou a induit) l'apparition de certaines spécificités au niveau de son métabolisme.Pour cela, nous avons appliqué des méthodes d'apprentissage supervisé interprétables (règles et arbres de décision) sur les profils enzymatiques. Nous utilisons comme attributs les activités enzymatiques, comme classe les groupes taxonomiques et comme exemples les champignons. Les résultats obtenus, cohérents avec nos connaissances actuelles sur ces organismes, montrent que l'application de méthodes d'apprentissage supervisé est efficace pour extraire de l'information des profils phylogénétiques. Le métabolisme conserve donc des traces de l'évolution des espèces.De plus, cette approche, dans le cas de prédiction de classifieurs présentant un faible nombre d'erreurs, peut permettre de mettre en évidence l'existence de probables transferts horizontaux. C'est le cas par exemple du transfert du gène codant pour l'EC:3.1.6.6 d'un ancêtre des pezizomycotina vers un ancêtre d'Ustilago maydisThis thesis has for objective to propose new methods allowing the study of the evolution of the metabolism. For that purpose, we chose to deal with the problem of comparison of the metabolism of hundred microorganisms.To compare the metabolism of various species, it is necessary to know at first the metabolism of each of these species.We work with proteomes of the microorganisms coming from various databases and sequenced and annotated by various teams, via various methods. The functional annotation can thus be of heterogeneous quality. That is why it is necessary to make a standardized functional annotation of this proteomes.The annotation of protein sequences can be realized by the transfer of annotations between orthologs sequences. There are more than 39 databases listing orthologues predicted by various methods. It is known that these methods lead to partially different predictions. To take into account current predictions and also adding relevant information, we developed the meta approach MARIO. This one combines the intersections of the results of several methods of detection of groups of orthologs and add sequences to this groups by using HMM profiles. We show that our meta approach allows to predict a largest number of orthologs while improving the similarity of function of the pairs of predicted orthologs. It allowed us to predict the enzymatic directory of 178 proteomes of microorganisms (among which 174 fungi).Secondly, we analyze these enzymatic directories in order to analyse the evolution of the metabolism. In this purpose, we look for combinations of presence / absence of enzymatic activities allowing to characterize a taxonomic group. So, it becomes possible to deduct if the creation of a particular taxonomic group can give some explanation by (or led to) the appearance of specificities at the level of its metabolism.For that purpose, we applied interpretable machine learning methods (rulers and decision trees) to the enzymatic profiles. We use as attributes the enzymatic activities, as classes the taxonomic groups and as examples the fungi. The results, coherent with our current knowledge on these species, show that the application of methods of machine learning is effective to extract informations of the phylogenetic profiles. The metabolism thus keeps tracks of the evolution of the species.Furthermore, this approach, in the case of prediction of classifiers presenting a low number of errors, can allow to highlight the existence of likely horizontal transfers. It is the case for example of the transfer of the gene coding for the EC:3.1.6.6 of an ancestor of pezizomycotina towards an ancestor of Ustilago maydis
10
Morvant, Emilie. „Apprentissage de vote de majorité pour la classification supervisée et l'adaptation de domaine : approches PAC-Bayésiennes et combinaison de similarités“. Phd thesis, Aix-Marseille Université, 2013. http://tel.archives-ouvertes.fr/tel-00879072.
Der volle Inhalt der QuelleAnnotation:
De nos jours, avec l'expansion d'Internet, l'abondance et la diversité des données accessibles qui en résulte, de nombreuses applications requièrent l'utilisation de méthodes d'apprentissage automatique supervisé capables de prendre en considération différentes sources d'informations. Par exemple, pour des applications relevant de l'indexation sémantique de documents multimédia, il s'agit de pouvoir efficacement tirer bénéfice d'informations liées à la couleur, au texte, à la texture ou au son des documents à traiter. La plupart des méthodes existantes proposent de combiner ces informations multimodales, soit en fusionnant directement les descriptions, soit en combinant des similarités ou des classifieurs, avec pour objectif de construire un modèle de classification automatique plus fiable pour la tâche visée. Ces aspects multimodaux induisent généralement deux types de difficultés. D'une part, il faut être capable d'utiliser au mieux toute l'information a priori disponible sur les objets à combiner. D'autre part, les données sur lesquelles le modèle doit être appliqué ne suivent nécessairement pas la même distribution de probabilité que les données utilisées lors de la phase d'apprentissage. Dans ce contexte, il faut être à même d'adapter le modèle à de nouvelles données, ce qui relève de l'adaptation de domaine. Dans cette thèse, nous proposons plusieurs contributions fondées théoriquement et répondant à ces problématiques. Une première série de contributions s'intéresse à l'apprentissage de votes de majorité pondérés sur un ensemble de votants dans le cadre de la classification supervisée. Ces contributions s'inscrivent dans le contexte de la théorie PAC-Bayésienne permettant d'étudier les capacités en généralisation de tels votes de majorité en supposant un a priori sur la pertinence des votants. Notre première contribution vise à étendre un algorithme récent, MinCq, minimisant une borne sur l'erreur du vote de majorité en classification binaire. Cette extension permet de prendre en compte une connaissance a priori sur les performances des votants à combiner sous la forme d'une distribution alignée. Nous illustrons son intérêt dans une optique de combinaison de classifieurs de type plus proches voisins, puis dans une perspective de fusion de classifieurs pour l'indexation sémantique de documents multimédia. Nous proposons ensuite une contribution théorique pour des problèmes de classification multiclasse. Cette approche repose sur une analyse PAC-Bayésienne originale en considérant la norme opérateur de la matrice de confusion comme mesure de risque. Notre seconde série de contributions concerne la problématique de l'adaptation de domaine. Dans cette situation, nous présentons notre troisième apport visant à combiner des similarités permettant d'inférer un espace de représentation de manière à rapprocher les distributions des données d'apprentissage et des données à traiter. Cette contribution se base sur la théorie des fonctions de similarités (epsilon,gamma,tau)-bonnes et se justifie par la minimisation d'une borne classique en adaptation de domaine. Pour notre quatrième et dernière contribution, nous proposons la première analyse PAC-Bayésienne appropriée à l'adaptation de domaine. Cette analyse se base sur une mesure consistante de divergence entre distributions permettant de dériver une borne en généralisation pour l'apprentissage de votes de majorité en classification binaire. Elle nous permet également de proposer un algorithme adapté aux classifieurs linéaires capable de minimiser cette borne de manière directe.
Buchteile zum Thema "Machine learning approches"
1
Korde, Vivek M., Jayant P. Giri, Narendra J. Giradkar und Rajkumar B. Chadge. „Fluidised bed dryer for agricultural products: An approch“. In Recent Advances in Material, Manufacturing, and Machine Learning, 528–35. London: CRC Press, 2023. http://dx.doi.org/10.1201/9781003358596-59.
Der volle Inhalt der Quelle
2
PULIDO, Belarmino, Carlos J. ALONSO-GONZÁLEZ und Anibal BREGON. „Approche par intelligence artificielle du diagnostic basé sur les modèles“. In Diagnostic et commande à tolérance de fautes 1, 235–69. ISTE Group, 2024. http://dx.doi.org/10.51926/iste.9058.ch6.
Der volle Inhalt der QuelleAnnotation:
La discipline de l'intelligence artificielle (IA) se concentre sur le diagnostic initialement abordé comme un problème de classification reliant symptômes et causes. Les approches incluent les systèmes basés sur la connaissance (KBS), les systèmes de raisonnement basés sur des cas (CBR), les systèmes de machine learning et les systèmes basés sur modèle. Les choix dépendent des connaissances disponibles. Les KBS ont historiquement fourni des solutions spécifiques, tandis que le diagnostic basé sur modèle offre des solutions généralisables mais spécifiques.
Konferenzberichte zum Thema "Machine learning approches"
1
Abadi, Martin, Ulfar Erlingsson, Ian Goodfellow, H. Brendan McMahan, Ilya Mironov, Nicolas Papernot, Kunal Talwar und Li Zhang. „On the Protection of Private Information in Machine Learning Systems: Two Recent Approches“. In 2017 IEEE 30th Computer Security Foundations Symposium (CSF). IEEE, 2017. http://dx.doi.org/10.1109/csf.2017.10.
Der volle Inhalt der Quelle
2
Rahman Aronno, Md Shafiur, Md Thoufiq Zumma, Rashed Prodhan, Fatema Tuz Zohora, Nazmus Sakib und K. B. M. Tahmiduzzaman. „A Study of Cyber Bullying Classification Using Social Media and Texual Analysis Based on Machine Learning Approches“. In 2023 14th International Conference on Computing Communication and Networking Technologies (ICCCNT). IEEE, 2023. http://dx.doi.org/10.1109/icccnt56998.2023.10306405.
Der volle Inhalt der Quelle
3
Lahcen, Gouskir, Edahbi Mohamed, Gouskir Mohammed, Hachimi Hanaa und Abouhilal Abdelmoula. „Waste solid management using Machine learning approch“. In 2022 8th International Conference on Optimization and Applications (ICOA). IEEE, 2022. http://dx.doi.org/10.1109/icoa55659.2022.9934356.
Der volle Inhalt der Quelle
4
Shi-Zhong Liao, Xiao-Jun Wang und Jin-Liang Lu. „An incremental Bayesian approch to sketch recognition [approach read approach]“. In Proceedings of 2005 International Conference on Machine Learning and Cybernetics. IEEE, 2005. http://dx.doi.org/10.1109/icmlc.2005.1527740.
Der volle Inhalt der Quelle
5
Pentela, Vyshnavi, Bilva Raja Nilaya Vendra, Dharma Teja Reddy Putluri, Varun Kumar Bodapati und Satyanaryana Murthy Nimmagadda. „Different Machine Learning Approch's for Diagnosis of Alzheimer's Disease and Vascular Dementia“. In 2023 IEEE International Conference on Integrated Circuits and Communication Systems (ICICACS). IEEE, 2023. http://dx.doi.org/10.1109/icicacs57338.2023.10100185.
Der volle Inhalt der Quelle
6
Prakash, S. Arut, Dhruvil Shah, Kayalvizhi Jayavel und Kambombo Mtonga. „Hydropower Energy Generation Prediction Model: A Machine Learning Approch“. In 2022 International Conference on Computer Communication and Informatics (ICCCI). IEEE, 2022. http://dx.doi.org/10.1109/iccci54379.2022.9740915.
Der volle Inhalt der Quelle
7
Salah, Alia, Omar Abu Mohareb und Hans-Christian Reuss. „Fault Diagnosis for Automotive Electric Machines Based on a Combined Machine Learning and Parameter Estimation Method: An Approch for Predective Maintenance“. In 2023 International Conference on Control, Automation and Diagnosis (ICCAD). IEEE, 2023. http://dx.doi.org/10.1109/iccad57653.2023.10152363.
Der volle Inhalt der Quelle