Literatura académica sobre el tema "Apprentissge automatique"
Crea una cita precisa en los estilos APA, MLA, Chicago, Harvard y otros
Consulte las listas temáticas de artículos, libros, tesis, actas de conferencias y otras fuentes académicas sobre el tema "Apprentissge automatique".
Junto a cada fuente en la lista de referencias hay un botón "Agregar a la bibliografía". Pulsa este botón, y generaremos automáticamente la referencia bibliográfica para la obra elegida en el estilo de cita que necesites: APA, MLA, Harvard, Vancouver, Chicago, etc.
También puede descargar el texto completo de la publicación académica en formato pdf y leer en línea su resumen siempre que esté disponible en los metadatos.
Artículos de revistas sobre el tema "Apprentissge automatique"
1
Hamida, Soufiane, Bouchaib Cherradi, Abdelhadi Raihani y Hassan Ouajji. "Evaluation des apprentissages au sein d’un environnement de type MOOC adaptatif". ITM Web of Conferences 39 (2021): 03005. http://dx.doi.org/10.1051/itmconf/20213903005.
Texto completoResumen
La problématique de l’évaluation des apprentissages au sein d’un MOOC suscite un grand débat. Ce type d’environnements d’apprentissage offre des cours limités dans le temps, organisés en ligne et ouverts à tous. L’apprentissage au sein des MOOC consiste en l’échange du savoir entre les participants et l’interaction avec les concepteurs (forum, chat, etc.) en se libérant des contraintes de temps et d’espace. En effet, le MOOC est un outil d’apprentissage en ligne et rythmés. L’évaluation des apprentissages au sein des MOOC représente un pilier essentiel pour la favorisation d’un apprentissage rythmé. Cet apprentissage libère les apprenants dans le temps et dans l’espace. Les concepteurs des MOOC ont largement investi sur des modalités d’évaluation automatisées, tels que des modes de la correction automatique (les quiz ou les questionnaires à choix multiples). Pourtant, ces modalités restent très limitées face au développement d’une pensée critique au cours d’une séquence d’apprentissage. Dans ce papier nous allons aborder les techniques et les méthodes d’évaluation qui permettent de mesurer l’atteinte des objectifs d’apprentissage dans un MOOC. Ensuite, nous présentons l’architecture d’un modèle d’apprentissage basé sur les agents susceptibles de fournir une évaluation formative et personnalisé de cours en ligne massifs.
2
LEE, Eunryoung. "Apprentissage progressif de l'écriture de traduction en équipe en utilisant les résultats de la traduction générée par l'intelligence artificielle". Societe d'Etudes Franco-Coreennes 103 (31 de diciembre de 2023): 81–106. http://dx.doi.org/10.18812/refc.2023.103.81.
Texto completoResumen
Ce travail examine des méthodes d'enseignement de la traduction français-coréen adaptées aux étudiants de premier cycle, et propose un modèle d'apprentissage progressif en équipe de traduction. Pour ce faire, nous menons une enquête préliminaire sur la compétence en français des apprenants, leurs pratiques d'utilisation de traducteurs automatiques et leurs méthodes de traduction. Nous concevons des activités de traduction en équipe ainsi qu'un apprentissage progressif de la traduction par étapes. La méthode proposée permet à l'apprenant de traduire des textes comportant diverses fonctions informatives, tout en utilisant de manière critique les résultats de la traduction automatique. Cette méthode guide l'apprenant à travers un processus en cinq étapes, lui permettant ainsi d'améliorer ses compétences en traduction. Dans le cadre des activités de traduction axées sur la fonction communicative du texte source et la cohésion des textes informatifs, les étudiants ont élaboré des instructions de traduction et ont obtenu des résultats satisfaisants en termes de lisibilité.
3
Benbouzid, Bilel. "Introduction au dossier : « Équité en apprentissage automatique »". Statistique et société, n.º 10 | 3 (1 de diciembre de 2022): 9–11. http://dx.doi.org/10.4000/statsoc.581.
Texto completo
4
Shaffer, Ryan y Benjamin Shearn. "Performing Unsupervised Machine Learning on Intelligence: An Analysis of Colonial Kenya Reports". Études françaises de renseignement et de cyber N° 2, n.º 1 (4 de junio de 2024): 211–38. http://dx.doi.org/10.3917/efrc.232.0211.
Texto completoResumen
Cet article applique une classification « zero-shot » aux rapports de services de renseignement déclassifiés par le gouvernement kenyan et couvrant la période coloniale britannique qui a précédé la révolte des Mau Mau et l’état d’urgence de 1952. La classification « zero-shot » (catégorisant les documents sans exemples étiquetés des catégories) est devenue fonctionnelle avec l’arrivée des grands modèles de langage (LLM), une avancée récente dans le domaine du traitement automatique des langues (TAL). Cet article démontre comment un apprentissage automatique non supervisé peut être utilisé par les chercheurs et les praticiens du renseignement pour analyser des milliers de rapports de services de renseignement sans rapports étiquetés et données d’entraînement, ou sans la capacité d’entraîner des modèles traditionnels de classification de documents.
5
Mensonides, Jean-Christophe, Sébastien Harispe, Jacky Montmain y Véronique Thireau. "Analyse automatique d’arguments et apprentissage multi-tâches : un cas d’étude". Revue Ouverte d'Intelligence Artificielle 3, n.º 3-4 (8 de abril de 2022): 201–22. http://dx.doi.org/10.5802/roia.29.
Texto completo
6
Mohimont, Lucas, Amine Chemchem, Marine Rondeau, Mathias Roesler, François Alin, Nathalie Gaveau y Luiz Angelo Steffenel. "Traitement d’Images et Apprentissage Automatique pour la Viticulture de Précision". Revue Ouverte d'Intelligence Artificielle 2, n.º 1 (17 de noviembre de 2021): 33–63. http://dx.doi.org/10.5802/roia.9.
Texto completo
7
Postadjian, Tristan, Arnaud Le Bris, Hichem Sahbi y Clément Mallet. "Classification à très large échelle d'images satellites à très haute résolution spatiale par réseaux de neurones convolutifs". Revue Française de Photogrammétrie et de Télédétection, n.º 217-218 (21 de septiembre de 2018): 73–86. http://dx.doi.org/10.52638/rfpt.2018.418.
Texto completoResumen
Les algorithmes de classification constituent un outil essentiel pour le calcul de cartes d'occupation des sols. Les récents progrès en apprentissage automatique ont montré les très grandes performances des réseaux de neurones convolutifs pour de nombreuses applications, y compris la classification d'images aériennes et satellites. Ce travail établit une stratégie quant à l'utilisation d'un réseau de neurone convolutif pour la classification d'images satellites à très haute résolution spatiale, couvrant de très larges régions géographiques, avec pour perspective future le calcul de cartes d'occupation des sols à l'échelle d'un pays.
8
Jacob, Yann, Ludovic dunoyer y Patrick Gallinari. "Apprentissage automatique de la propagation des étiquettes dans les réseaux sociaux multirelationnels". Document numérique 15, n.º 1 (30 de abril de 2012): 79–99. http://dx.doi.org/10.3166/dn.15.1.79-99.
Texto completo
9
Ferdynus, C., J. Allyn y P. Montravers. "Prédiction de la mortalité postopératoire après chirurgie cardiaque : apprentissage automatique versus Euroscore". Revue d'Épidémiologie et de Santé Publique 66 (mayo de 2018): S138. http://dx.doi.org/10.1016/j.respe.2018.03.349.
Texto completo
10
Önen, Melek, Francesco Cremonesi y Marco Lorenzi. "Apprentissage automatique fédéré pour l’IA collaborative dans le secteur de la santé". Revue internationale de droit économique XXXVI, n.º 3 (21 de abril de 2023): 95–113. http://dx.doi.org/10.3917/ride.363.0095.
Texto completoResumen
L’apprentissage fédéré ou federated learning (FL) représente aujourd’hui un paradigme de travail essentiel pour renforcer la recherche en IA tout en garantissant la gouvernance et la confidentialité des données grâce à des applications d’apprentissage décentralisées. L’apprentissage fédéré permet à différents clients d’apprendre conjointement un modèle global sans partager leurs données respectives, et est donc particulièrement adapté aux applications d’IA contenant des données sensibles, comme dans le domaine de la santé. Néanmoins, l’utilisation de l’apprentissage fédéré dans le domaine médical en est actuellement à ses débuts, avec seulement une poignée d’applications pionnières démontrées dans des conditions réelles. L’un des aspects critiques de son application dans des conditions réelles concerne les aspects de sécurité et de sûreté. Des parties mal intentionnées peuvent intervenir pendant la procédure pour dégrader/modifier les performances des modèles ou récupérer des informations sur les données d’autres clients. Il existe actuellement une zone grise de menaces potentielles pour la vie privée associées au développement et à l’exploitation de méthodes complexes d’IA sur des données sensibles. Ces menaces apparaissent chaque fois que nous pouvons interférer avec les processus d’apprentissage ou d’exploitation du modèle, afin de recueillir plus d’informations sur les données utilisées pour générer un tel modèle. Dans ce travail, nous fournissons une vue d’ensemble des recherches et des défis actuels sur la sécurité et la sûreté de l’apprentissage fédéré, avec un accent particulier sur les applications de soins de santé.
Tesis sobre el tema "Apprentissge automatique"
1
Chouchene, Sarah. "Applications de l’intelligence artificielle à l'étude de la turbulence plasma en fusion nucléaire et aux plasmas d’arc en régime DC". Electronic Thesis or Diss., Université de Lorraine, 2024. http://www.theses.fr/2024LORR0265.
Texto completoResumen
Le travail présenté dans ce mémoire a pour but d'explorer l'apport potentiel de méthodes d'analyse d'images par intelligence artificielle (IA) pour l'analyse de vidéos issues de différentes recherches en plasmas. Deux domaines sont étudiés : la turbulence dans des plasmas de fusion nucléaire, et la dynamique d'arcs dipolaires en régime continu haute tension (HTDC).Cette thèse explore principalement l'application de l'IA pour détecter et suivre les structures turbulentes macroscopiques visibles sous la forme de filaments de plasma dans le bord des réacteurs à fusion. Pour cela, des modèles d'IA sont appliqués à des données d'imagerie issues du tokamak COMPASS et capturées par une caméra ultra-rapide filmant jusqu'à un 1 million d'images par seconde afin de résoudre la dynamique des filaments. Différents modèles d'apprentissage supervisé sont employés, après entraînement sur des ensembles de données étiquetées pour améliorer la précision de la détection, dans le but d'étudier le mouvement des filaments de plasma et leurs interactions mutuelles. Les méthodes présentées dans ce mémoire permettent d'atteindre une précision de détection de 99 %, et de reconnaître automatiquement différents types d'interactions mutuelles conduisant à des processus de coalescence, d'éclatement, ou de modification de trajectoires des filaments. Des comparaisons réalisées avec des méthodes d'analyse conventionnelles, telles que la détection par segmentation et le suivi avec un filtre de Kalman, démontrent que les méthodes d'IA testées offrent des gains substantiels en termes de précision et de vitesse d'analyse, tout en réduisant les biais liés à l'utilisateur.Dans le domaine des arcs dipolaires, une technique d'apprentissage non supervisé est utilisée afin de détecter des bulles de métal liquide se formant à la surface des électrodes, en régime HTDC. Les modèles non supervisés, plus légers et fonctionnant sans données étiquetées, sont efficaces pour identifier des événements pouvant être apparentés à des anomalies. Les résultats présentés dans ce mémoire contribuent à une meilleure compréhension du bruit d'arc, et ouvrent la voie à une analyse en temps réel des données pour la mise en place de systèmes de protection.Ces recherches démontrent la pertinence de développer davantage les méthodes d'IA pour faire progresser notre compréhension de la dynamique complexe des plasma de fusion nucléaire, et de celles des plasmas d'arc. En réduisant ou en supprimant les biais d'analyse liés à l'intervention humaine, ces méthodes peuvent également contribuer à améliorer les comparaisons entre des données issues de différentes expériences ou simulations. Les gains en vitesse d'analyse ne sont pas toujours très significatifs, mais des marges d'optimisation existent qui ouvrent des perspectives intéressantes pour améliorer le contrôle des plasmas, qu'ils soient froids ou de fusion nucléaireThe aim of the work presented in this thesis is to explore the potential contribution of artificial intelligence (AI) image analysis methods to the analysis of videos from various plasma research domains. Two areas are studied: turbulence in nuclear fusion plasmas, and the dynamics of dipolar arcs in the high-voltage DC regime.This thesis mainly explores the application of AI to detect and track macroscopic turbulent structures visible in the form of plasma filaments at the edge of fusion reactors. To this end, AI models are applied to imaging data from the COMPASS tokamak captured by an ultra-fast camera filming up to 1 million frames per second in order to resolve the dynamics of the filaments. Different supervised learning models are employed, after training on labelled datasets to improve detection accuracy, to study the motion of plasma filaments and their interactions with each other. The methods presented in this thesis achieve a detection accuracy of 99 %, and automatically recognise different types of mutual interactions leading to coalescence, splitting or changes in filament trajectories. Comparisons with conventional analysis methods such as detection by segmentation and Kalman filter tracking show that the AI methods tested offer substantial gains in terms of accuracy and analysis speed, while reducing user bias.In the field of dipolar arcs, an unsupervised learning technique is used to detect bubbles of liquid metal forming on the surface of electrodes under high-voltage direct current (HVDC) conditions. The unsupervised models, which are lighter and operate without labelled data, are effective in identifying events that could be similar to anomalies. The results obtained contribute to a better understanding of arc noise, and pave the way for real-time data analysis for the implementation of protection systems.This research demonstrates the relevance of further developing AI methods to advance our understanding of the complex dynamics of nuclear fusion plasmas and arc plasmas. By reducing or eliminating analysis biases linked to human intervention, these methods can also help to improve comparisons between data from different experiments or simulations. The gains in analysis speed are not always very significant, but there are margins for optimisation that open up interesting prospects for improving the control of plasmas, whether cold or nuclear fusion
2
Tommasi, Marc. "Structures arborescentes et apprentissage automatique". Habilitation à diriger des recherches, Université Charles de Gaulle - Lille III, 2006. http://tel.archives-ouvertes.fr/tel-00117063.
Texto completoResumen
Le programme de recherches présenté dans cette synthèse s'inscrit dans la double problématique de l'étude des langages d'arbres et de l'apprentissage automatique à partir de données arborescentes. À la base de ce travail se trouve la question de l'accès et de la manipulation automatique d'informations au format XML au sein d'un réseau d'applications réparties dans internet. La réalisation de ces applications est toujours du ressort de programmeurs spécialistes d'XML et reste hors de portée de l'utilisateur final. De plus, les développements récents d'internet poursuivent l'objectif d'automatiser les communications entre applications s'échangeant des flux de données XML. Le recours à des techniques d'apprentissage automatique est une réponse possible à cette situation.
Nous considèrons que les informations sont décrites dans un langage XML, et dans la perspective de ce mémoire, embarquées dans des données structurées sous forme arborescente. Les applications sont basées alors sur des opérations élémentaires que sont l'interrogation ou les requêtes dans ces documents arborescents ou encore la transformation de tels documents.
Nous abordons alors la question sous l'angle de la réalisation automatique de programmes d'annotation d'arbres, permettant de dériver des procédures de transformation ou d'exécution de requêtes. Le mémoire décrit les contributions apportées pour la manipulation et l'apprentissage d'ensembles d'arbres d'arité non bornée (comme le sont les arbres XML), et l'annotation par des méthodes de classification supervisée ou d'inférence statistique.
3
Pintado, Michel. "Apprentissage et demonstration automatique des theoremes". Paris 6, 1994. http://www.theses.fr/1994PA066670.
Texto completoResumen
La demonstration automatique de theoremes peut etre consideree comme une activite de resolution de problemes: atteindre un etat final e#f (la propriete a demontrer) a partir d'un etat initial e#i (les hypotheses du theoreme a demontrer). Les deux principales strategies utilisees en resolution de problemes correspondent respectivement a un raisonnement par synthese (raisonnement en avant) et a un raisonnement par analyse (raisonnement a partir du but). Nous avons realise un systeme (ubl) qui alterne ces deux strategies au cours d'une meme resolution. Les difficultes se situent dans les choix des theoremes a appliquer ou dans les choix des sous-buts a poser. Faire de bons choix est crucial dans des domaines ou il existe un grand nombre d'applications differentes des operateurs a chaque etat. C'est le cas d'un des domaines etudies dans ubl: la geometrie elementaire. Afin d'ameliorer ses capacites de choix, notre systeme apprend deux types de connaissances en analysant ses propres solutions. Il construit de nouveaux theoremes correspondant a des situations prototypiques, ce qui lui permettra de deduire plus rapidement des faits importants dans d'autres exercices. Il memorise des methodes de resolution adaptees a un but donne. Celles-ci consistent a proposer un ensemble de sous-buts qui se sont averes utiles pour la resolution de l'exercice analyse. L'utilisateur peut aider le systeme lors de la resolution, les methodes alors apprises permettent au systeme de resoudre des exercices qu'il ne savait pas traiter avant apprentissage
4
Natowicz, René. "Apprentissage symbolique automatique en reconnaissance d'images". Paris 11, 1987. http://www.theses.fr/1987PA112301.
Texto completoResumen
Le travail présenté traite de l'application des techniques d'apprentissage symbolique automatique à la reconnaissance d'images. Le but est d'obtenir de façon automatique des fonctions de reconnaissance d'objets présents sur des images, en généralisant un ensemble d'images données en exemple. Le processus de généralisation est conduit par niveaux de détails croissants en prenant en compte la forme grossière d'un objet, puis ses détails si nécessaire. Un lien est établi entre apprentissage symbolique automatique et reconnaissance à l'aide d'un réseau neuronique.
5
Natowicz, René. "Apprentissage symbolique automatique en reconnaissance d'images". Grenoble 2 : ANRT, 1987. http://catalogue.bnf.fr/ark:/12148/cb37608385b.
Texto completo
6
Candillier, Laurent Gilleron Rémi. "Apprentissage automatique de profils de lecteurs". [S.l.] : [s.n.], 2001. http://www.univ-lille1.fr/bustl-grisemine/pdf/memoires/A2001-6.pdf.
Texto completo
7
Bayoudh, Sabri. "Apprentissage par proportion analogique". Rennes 1, 2007. ftp://ftp.irisa.fr/techreports/theses/2007/bayoudh.pdf.
Texto completoResumen
Les travaux présentés dans cette thèse s’inscrivent dans le cadre du raisonnement par analogie. Nous nous intéressons à la proportion analogique (A est à B ce que C est à D) et nous décrivons son utilisation et surtout son apport en apprentissage artificiel. Nous abordons tout d’abord le cas des proportions analogiques exactes. Ensuite, nous nous attachons plus particulièrement à définir une nouvelle notion, la dissemblance analogique qui mesure si quatre objets sont éloignés d’être en proportion analogique, et à l’appliquer en particulier à des séquences. Après avoir défini la proportion analogique, la dissemblance analogique et la résolution approchée d’équations analogiques, nous décrivons deux algorithmes qui rendent opérationnels ces notions d’apprentissage et de résolution pour des objets numériques ou symboliques et pour des séquences de ces objets. Nous montrons ensuite leur efficacité au travers de deux cas pratiques : le premier est l’apprentissage d’une règle de classification par proportion analogique pour des objets décrits par des attributs binaires et nominaux ; le second montre comment la génération de nouveaux exemples (par résolution approchée d’équations analogiques) peut aider un système de reconnaissance de caractères manuscrits à s’adapter très rapidement à un nouveau scripteurThe work presented in this thesis lies within the scope of reasoning by analogy. We are interested in the analogical proportion (A is to B as C is to D) and we describe its use and especially its contribution in machine learning. Firstly, we are interested in defining exact analogical proportions. Then, we tackle the problem of defining a new concept, the analogical dissimilarity which is a measure of how close four objects are from being in analogical proportion, including the case where the objects are sequences. After having defined the analogical proportion, the analogical dissimilarity and the approximate resolution of analogical equations, we describe two algorithms that make these concepts operational for numerical or symbolic objects and sequences of these objects. We show their use through two practical cases : the first is a problem of learning a classification rule on benchmarks of binary and nominal data ; the second shows how the generation of new sequences by solving analogical equations enables a handwritten character recognition system to rapidly be adapted to a new writer
8
Suchier, Henri-Maxime. "Nouvelles contributions du boosting en apprentissage automatique". Phd thesis, Université Jean Monnet - Saint-Etienne, 2006. http://tel.archives-ouvertes.fr/tel-00379539.
Texto completoResumen
L'apprentissage automatique vise la production d'une hypothèse modélisant un concept à partir d'exemples, dans le but notamment de prédire si de nouvelles observations relèvent ou non de ce concept. Parmi les algorithmes d'apprentissage, les méthodes ensemblistes combinent des hypothèses de base (dites ``faibles'') en une hypothèse globale plus performante.Le boosting, et son algorithme AdaBoost, est une méthode ensembliste très étudiée depuis plusieurs années : ses performances expérimentales remarquables reposent sur des fondements théoriques rigoureux. Il construit de manière adaptative et itérative des hypothèses de base en focalisant l'apprentissage, à chaque nouvelle itération, sur les exemples qui ont été difficiles à apprendre lors des itérations précédentes. Cependant, AdaBoost est relativement inadapté aux données du monde réel. Dans cette thèse, nous nous concentrons en particulier sur les données bruitées, et sur les données hétérogènes.
Dans le cas des données bruitées, non seulement la méthode peut devenir très lente, mais surtout, AdaBoost apprend par coeur les données, et le pouvoir prédictif des hypothèses globales générées, s'en trouve extrêmement dégradé. Nous nous sommes donc intéressés à une adaptation du boosting pour traiter les données bruitées. Notre solution exploite l'information provenant d'un oracle de confiance permettant d'annihiler les effets dramatiques du bruit. Nous montrons que notre nouvel algorithme conserve les propriétés théoriques du boosting standard. Nous mettons en pratique cette nouvelle méthode, d'une part sur des données numériques, et d'autre part, de manière plus originale, sur des données textuelles.
Dans le cas des données hétérogènes, aucune adaptation du boosting n'a été proposée jusqu'à présent. Pourtant, ces données, caractérisées par des attributs multiples mais de natures différentes (comme des images, du son, du texte, etc), sont extrêmement fréquentes sur le web, par exemple. Nous avons donc développé un nouvel algorithme de boosting permettant de les utiliser. Plutôt que de combiner des hypothèses boostées indépendamment, nous construisons un nouveau schéma de boosting permettant de faire collaborer durant l'apprentissage des algorithmes spécialisés sur chaque type d'attribut. Nous prouvons que les décroissances exponentielles des erreurs sont toujours assurées par ce nouveau modèle, aussi bien d'un point de vue théorique qu'expérimental.
9
Paumard, Marie-Morgane. "Résolution automatique de puzzles par apprentissage profond". Thesis, CY Cergy Paris Université, 2020. http://www.theses.fr/2020CYUN1067.
Texto completoResumen
L’objectif de cette thèse est de développer des méthodes sémantiques de réassemblage dans le cadre compliqué des collections patrimoniales, où certains blocs sont érodés ou manquants.Le remontage de vestiges archéologiques est une tâche importante pour les sciences du patrimoine : il permet d’améliorer la compréhension et la conservation des vestiges et artefacts anciens. Certains ensembles de fragments ne peuvent être réassemblés grâce aux techniques utilisant les informations de contour et les continuités visuelles. Il est alors nécessaire d’extraire les informations sémantiques des fragments et de les interpréter. Ces tâches peuvent être accomplies automatiquement grâce aux techniques d’apprentissage profond couplées à un solveur, c’est-à-dire un algorithme de prise de décision sous contraintes.Cette thèse propose deux méthodes de réassemblage sémantique pour fragments 2D avec érosion, ainsi qu’un jeu de données et des métriques d’évaluation.La première méthode, Deepzzle, propose un réseau de neurones auquel succède un solveur. Le réseau de neurones est composé de deux réseaux convolutionnels siamois entraînés à prédire la position relative de deux fragments : il s'agit d'une classification à 9 classes. Le solveur utilise l’algorithme de Dijkstra pour maximiser la probabilité jointe. Deepzzle peut résoudre le cas de fragments manquants et surnuméraires, est capable de traiter une quinzaine de fragments par puzzle, et présente des performances supérieures à l’état de l’art de 25%.La deuxième méthode, Alphazzle, s’inspire d’AlphaZero et de recherche arborescente Monte Carlo (MCTS) à un joueur. Il s’agit d’une méthode itérative d’apprentissage profond par renforcement : à chaque étape, on place un fragment sur le réassemblage en cours. Deux réseaux de neurones guident le MCTS : un prédicteur d’action, qui utilise le fragment et le réassemblage en cours pour proposer une stratégie, et un évaluateur, qui est entraîné à prédire la qualité du résultat futur à partir du réassemblage en cours. Alphazzle prend en compte les relations entre tous les fragments et s’adapte à des puzzles de taille supérieure à ceux résolus par Deepzzle. Par ailleurs, Alphazzle se place dans le cadre patrimonial : en fin de réassemblage, le MCTS n’accède pas à la récompense, contrairement à AlphaZero. En effet, la récompense, qui indique si un puzzle est bien résolu ou non, ne peut être qu’estimée par l’algorithme, car seul un conservateur peut être certain de la qualité d’un réassemblageThe objective of this thesis is to develop semantic methods of reassembly in the complicated framework of heritage collections, where some blocks are eroded or missing.The reassembly of archaeological remains is an important task for heritage sciences: it allows to improve the understanding and conservation of ancient vestiges and artifacts. However, some sets of fragments cannot be reassembled with techniques using contour information or visual continuities. It is then necessary to extract semantic information from the fragments and to interpret them. These tasks can be performed automatically thanks to deep learning techniques coupled with a solver, i.e., a constrained decision making algorithm.This thesis proposes two semantic reassembly methods for 2D fragments with erosion and a new dataset and evaluation metrics.The first method, Deepzzle, proposes a neural network followed by a solver. The neural network is composed of two Siamese convolutional networks trained to predict the relative position of two fragments: it is a 9-class classification. The solver uses Dijkstra's algorithm to maximize the joint probability. Deepzzle can address the case of missing and supernumerary fragments, is capable of processing about 15 fragments per puzzle, and has a performance that is 25% better than the state of the art.The second method, Alphazzle, is based on AlphaZero and single-player Monte Carlo Tree Search (MCTS). It is an iterative method that uses deep reinforcement learning: at each step, a fragment is placed on the current reassembly. Two neural networks guide MCTS: an action predictor, which uses the fragment and the current reassembly to propose a strategy, and an evaluator, which is trained to predict the quality of the future result from the current reassembly. Alphazzle takes into account the relationships between all fragments and adapts to puzzles larger than those solved by Deepzzle. Moreover, Alphazzle is compatible with constraints imposed by a heritage framework: at the end of reassembly, MCTS does not access the reward, unlike AlphaZero. Indeed, the reward, which indicates if a puzzle is well solved or not, can only be estimated by the algorithm, because only a conservator can be sure of the quality of a reassembly
10
Jalam, Radwan. "Apprentissage automatique et catégorisation de textes multilingues". Lyon 2, 2003. http://theses.univ-lyon2.fr/documents/lyon2/2003/jalam_r.
Texto completoResumen
Notre travail s'intéresse à l'application de méthodes issues de l'apprentissage automatique à la catégorisation de textes multilingues. Il comporte deux parties. Une première partie donne une présentation générale de la catégorisation de textes : Définitions, objectifs généraux et domaines d'application ; Adaptation des algorithmes d'apprentissage aux spécificités des textes ; La méthode de sélection de termes multivariée ; Le codage en n-grammes et les mots ; Les méthodes d'apprentissage et la mesure de leurs performances ; les texts réalisés pour comparer les algorithmes d'apprentissage sur les textes. La deuxième partie s'intéresse à l'apprentissage de textes multilingues en comparant deux chaînes possibles : Chaîne 1 : reconnaissance de la langue, puis utilisation de règles de classement construites pour chaque langue ; il faut alors avoir construit un modèle adapté à chacune des langues. Chaîne 2 : utilisation de la traduction automatique dans le processus de catégorisation ; cette solution permet d'utiliser un seul ensemble de règles de classement. Ici, il y a deux options : 1. Construire un modèle unique sur l'ensemble d'apprentissage d'une langue donnée ; ensuite, pour classer un nouveau texte, (I) reconnaissance de sa langue, (II) traduction de ce texte vers la langue d'apprentissage, (III) application du modèle de prédiction sur le texte traduit ; ici la phase de traduction n'intervient que dans la phase de classement. 2. Faire intervenir la traduction automatique dès la phase d'apprentissage : à partir d'un ensemble étiqueté de textes en différentes langues, traduction automatique dès la phase d'apprentissage : à partir d'un enemble étiqueté de textes en différentes langues, traduction automatique de tous ces textes vers une langue cible et apprentissage sur cet ensemble de textes traduits ; ensuite, pour classer un nouveau texte, la procédure est la même. Nous testons nos algorithmes sur des corpus multilingues.
Libros sobre el tema "Apprentissge automatique"
1
Xanthos, Aris. Apprentissage automatique de la morphologie: Le cas des structures racine-schème. Bern: Peter Lang, 2008.
Buscar texto completo
2
Agnès, Guillot y Daucé Emmanuel, eds. Approche dynamique de la cognition artificielle. Paris: Hermès science publications, 2002.
Buscar texto completo
3
Alpaydin, Ethem. Introduction to machine learning. Cambridge, MA: MIT Press, 2005.
Buscar texto completo
4
International Conference on Machine Learning (7th 1990 University of Texas). Machine learning: Proceedings of the seventh international conference (1990), University of Texas, Austin, Texas, June 21-23, 1990. Editado por Porter Bruce 1956-, Mooney Raymond J y Artificial Intelligence and Robotics Program (U.S.). San Mateo, Calif: Morgan Kaufmann Publishers, 1990.
Buscar texto completo
5
Brigitte, Grau y Chevallet Jean-Pierre, eds. La recherche d'informations précises: Traitement automatique de la langue, apprentissage et connaissances pour les systèmes de question-réponse. Paris: Hermès science publications, 2008.
Buscar texto completo
6
Brazdil, Pavel B. Metalearning: Applications to data mining. Berlin: Springer, 2009.
Buscar texto completo
7
Nigel, Ford. How machines think: A general introduction to artificial intelligence ; illustrated in prolog. Chichester [West Sussex]: Wiley, 1987.
Buscar texto completo
8
Yoshihiko, Hasegawa y Paul Topon Kumar, eds. Applied genetic programming and machine learning. Boca Raton, Fla: Taylor & Francis, 2009.
Buscar texto completo
9
Loukides, Mike y Shannon Cutt, eds. Thoughtful Machine Learning with Python: A Test-Driven Approach. Beijing: O’Reilly Media, 2017.
Buscar texto completo
10
Powers, David M. W. Machine learning of natural language. London: Springer-Verlag, 1989.
Buscar texto completoCapítulos de libros sobre el tema "Apprentissge automatique"
1
Cárdenas, Janina Di Pierro y Renata De Rugeriis Juárez. "Inteligencia artificial y SoftPower de la traducción asistida y automática: perspectivas en el proceso de enseñanza-aprendizaje de idiomas". En Traduction automatique et usages sociaux des langues. Quelle conséquences pour la diversité linguistique ?, 83–99. Observatoire européen du plurilinguisme, 2021. http://dx.doi.org/10.3917/oep.beacc.2021.01.0083.
Texto completoResumen
Intelligence artificielle et softpower de la traduction assistée par ordinateur et de la traduction automatique : perspectives sur le processus d’enseignement et d’apprentissage des langues. En raison de la croissance de l’utilisation des traducteurs automatiques, il est important de se poser la question á propos de quand ou bien si l’intelligence artificielle a pénétré ce domaine de l’enseignement-apprentissage des langues. Malgré les nombreux traducteurs automatiques et d’outils de traduction assistée existants, il est évident que la main de l’homme est unique. Néanmoins, si le travail d’un traducteur pourrait bénéficier d’un gain de temps de temps, en même temps que d’une amélioration concernant le choix lexical, il vaut la peine d’étudier ce domaine dans l’intérêt de la traduction. Dans cette étude, on se propose d’analyser l’intelligence artificielle dans le champ de la traduction et enseignement des langues étrangères, en s’appuyant sur les outils de la traduction automatique déjà existants. À partir d’une analyse minutieuse de la littérature et recherches disponibles, on examinera la traduction automatique neuronale (NMT), le ICALL, dérivant du CALL, pour terminer par les outils de la traduction automatique tels que Google Translator, Translation Online et d’autres, qui s’améliorent avec le temps, malgré le fait que le traducteur humain doive réviser dans la phase de post-édition. Pour ce faire, nous avons analysé un corpus basé sur les commentaires des traducteurs dans des groupes privés de Facebook et LinkedIn á propos de la révision. Dans le même temps, nous avons constaté que l’intelligence artificielle remplacera les professeurs, mais redéfinira leur rôle en tant que professeurs, les convertissant « des guides latéraux » (Morrison, 2014), puisque avec l’apprentissage des langues utilisant les outils de l’intelligence artificielle dans le domaine de la correction, de la notation et des papiers administratifs, les professeurs pourraient avoir plus de temps pour coordonner le processus de d’apprentissage et orienter leurs étudiants. Cette recherche se compose de trois parties : révision bibliographique et de ces études antérieures et analyse des outils de traduction automatique, étude d’un corpus des commentaires de traducteurs et enfin, implication/intégration de l’intelligence artificielle dans les domaines de la traduction et de l’apprentissage des langues.
2
DRIF, Ahlem, Saad Eddine SELMANI y Hocine CHERIFI. "Réseau interactif et apprentissage automatique pour les recommandations". En Optimisation et apprentissage, 123–51. ISTE Group, 2023. http://dx.doi.org/10.51926/iste.9071.ch5.
Texto completoResumen
Les systèmes de recommandation sont largement utilisés pour suggérer des biens qui correspondent le mieux aux besoins des utilisateurs. Pour répondre à cette demande, nous concevons un système de recommandation intégrant un module de filtrage collaboratif et un module de recommandation par empilement. Nous introduisons un mécanisme d'attention interactif pour modéliser la relation d'influence mutuelle entre les utilisateurs et les articles .
3
FLEURY SOARES, Gustavo y Induraj PUDHUPATTU RAMAMURTHY. "Comparaison de modèles d’apprentissage automatique et d’apprentissage profond". En Optimisation et apprentissage, 153–71. ISTE Group, 2023. http://dx.doi.org/10.51926/iste.9071.ch6.
Texto completoResumen
Pour réaliser un audit, l'utilisation de toutes les informations disponibles relatives à l'univers ou au sujet de l'audit pourrait améliorer la qualité des résultats. La classification des documents textuels de l'audit pourrait permettre l'utilisation d'informations supplémentaires pour améliorer les données structurées existantes, ce qui conduirait à une meilleure connaissance pour soutenir le processus d'audit. Nous avons appliqué cette démarche au traitement du langage naturel.
4
ATIEH, Mirna, Omar MOHAMMAD, Ali SABRA y Nehme RMAYTI. "IdO, apprentissage profond et cybersécurité dans la maison connectée : une étude". En Cybersécurité des maisons intelligentes, 215–56. ISTE Group, 2024. http://dx.doi.org/10.51926/iste.9086.ch6.
Texto completoResumen
Ce chapitre aborde l'utilisation de l'intelligence artificielle, de l'apprentissage automatique et de l'apprentissage profond dans le contexte des maisons connectées. Plus précisément, il met l'accent sur les avantages de l'utilisation de l'apprentissage profond en termes de sécurité dans la cybersécurité des maisons connectées. Ce chapitre examine également divers cas d'utilisation de l'intelligence artificielle et de l'apprentissage automatique, tels que la reconnaissance des activités humaines dans les maisons connectées, en utilisant des réseaux de neurones et des techniques d'apprentissage automatique. Ces méthodes permettent de détecter et d'analyser les comportements et les actions des résidents, ce qui peut contribuer à améliorer la sécurité et le confort dans les maisons connectées.
5
YUN-ROGER, Soyoung. "Dictionnaire ouvert et traducteur automatique au service de l’enseignement/apprentissage du lexique". En Dictionnaires et apprentissage des langues, 33–42. Editions des archives contemporaines, 2021. http://dx.doi.org/10.17184/eac.4501.
Texto completoResumen
Cet article présente un dispositif d’enseignement du lexique académique coréen qui aide les étudiants à surmonter les difficultés d’apprentissage de ce lexique constitué de nombreuses unités phraséologiques impliquant des relations collocationnelles. L’enseignement proposé s’appuie sur une composante technologique, l’utilisation d’outils numériques en ligne comme les traducteurs automatiques et un dictionnaire ouvert, et sur une composante actionnelle, les étudiants devant contribuer, via une séquence de tâches, à enrichir un dictionnaire ouvert. Nous avons observé que ce dispositif stimule et responsabilise les étudiants dans leur apprentissage, et que la séquence de tâches, en multipliant les manipulations du lexique, en favorise l’appropriation. Enfin et surtout, ces tâches ont conduit les apprenants à diversifier leurs stratégies d’apprentissage du lexique, et leurs stratégies de vérification de leurs productions.
6
"Mégadonnées, analyse de données, intelligence artificielle et apprentissage automatique". En Le rôle des technologies avancées dans le commerce transfrontières, 36–45. WTO, 2022. http://dx.doi.org/10.30875/9789287073624c005.
Texto completo
7
OUVRARD ANDRIANTSOA, Louise. "Le glossaire de Moodle". En Dictionnaires et apprentissage des langues, 89–102. Editions des archives contemporaines, 2021. http://dx.doi.org/10.17184/eac.4505.
Texto completoResumen
Selon la définition que Py donne de la décontextualisation, celle-ci « consiste, pour l’apprenant, à focaliser et extraire de son contexte le segment (le plus souvent un mot) qu’il souhaite apprendre. » (1996 : 16). Au cours des différentes phases de l’apprentissage, cette opération est régulièrement effectuée en classe à l’initiative de l’enseignant. Elle peut aussi l’être à l’initiative de l’apprenant et certaines activités peuvent l’y inciter. En présentiel ou en distanciel, les cours de langue sont amenés à utiliser des outils variés permettant un travail systématique sur la langue. Au nombre de ceux-ci figure le glossaire. Nous avons intégré cet outil proposé par Moodle dans nos cours de grammaire malgache des trois niveaux de la licence. Pour répondre au mieux aux objectifs que l’enseignant a établis, ce glossaire est paramétrable selon différents critères qui concernent par exemple l’affichage des articles (avec ou sans auteur), l’approbation (automatique ou non). Il peut également être construit par l’enseignant ou par les étudiants eux-mêmes. C’est donc notre démarche que nous présentons dans cet article, le travail effectué par nos étudiants, les postulats de départ et les contraintes liées à ce type d’outils Nous concluons sur les apports que ce glossaire a représenté pour nos cours, aussi bien en termes de savoirs que de savoir-faire.
8
Okome Engouang, Liliane y Liza Gladys Boukandou Kombila. "La TA et la TAO dans le processus d’enseignement/apprentissage de l’espagnol et du français en classe universitaire au Gabon". En L’enseignement-apprentissage en/des langues européennes dans les systèmes éducatifs africains : place, fonctions, défis et perspectives, 319–35. Observatoire européen du plurilinguisme, 2020. http://dx.doi.org/10.3917/oep.kouam.2020.01.0319.
Texto completoResumen
Au Gabon et plus précisément au département d’espagnol de l’École Normale Supérieure, la traduction automatique occupe une place de choix lors des exercices pratiques de traduction pédagogique. Les logiciels les plus utilisés à cette fin sont Google traduction et Reverso traduction . Paradoxalement, ces outils sont très peu recommandés par les enseignants. En raison de leurs résultats souvent incorrects, ces bases de données TIC nécessitent un usage économe et éclairé. Ainsi, notre contribution détermine la compétence et les limites de ces deux moteurs de traduction. Nous fonderons nos analyses sur un corpus composé d’un texte espagnol et de ses deux productions réelles (TA) en français que les apprenants de Licence 3 analyseront en situation de classe. Le but de cette contribution est d’examiner l’importance de l’exploitation des TIC au cours des activités de traduction pédagogique.
Actas de conferencias sobre el tema "Apprentissge automatique"
1
Fourcade, A. "Apprentissage profond : un troisième oeil pour les praticiens". En 66ème Congrès de la SFCO. Les Ulis, France: EDP Sciences, 2020. http://dx.doi.org/10.1051/sfco/20206601014.
Texto completoResumen
« L’intelligence artificielle connaît un essor fulgurant depuis ces dernières années. Lapprentissage automatique et plus précisément lapprentissage profond grâce aux réseaux de neurones convolutifs ont permis des avancées majeures dans le domaine de la reconnaissance des formes. Cette présentation fait suite à mon travail de thèse. La première partie retrace lhistorique et décrit les principes de fonctionnement de ces réseaux. La seconde présente une revue de la littérature de leurs applications dans la pratique médicale de plusieurs spécialités, pour des tâches diagnostiques nécessitant une démarche visuelle (classification dimages et détection de lésions). Quinze articles, évaluant les performances de ces solutions dautomatisation, ont été analysés. La troisième partie est une discussion à propos des perspectives et des limites présentées par les réseaux de neurones convolutifs, ainsi que leurs possibles applications en chirurgie orale. »
Informes sobre el tema "Apprentissge automatique"
1
Motulsky, Aude, Jean Noel Nikiema, Philippe Després, Alexandre Castonguay, Martin Cousineau, Joé T. Martineau, Cécile Petitgand y Catherine Régis. Promesses de l’IA en santé - Fiche 2. Observatoire international sur les impacts sociétaux de l’intelligence artificielle et du numérique, marzo de 2022. http://dx.doi.org/10.61737/votf6751.
Texto completoResumen
Cette fiche présente les principales promesses (ou les bénéfices potentiels ou cas d’usage potentiels) de l’IA en santé du point de vue du système de santé universel, celui qui vise à améliorer la santé de la population ainsi que l’expérience des patients et des soignants (Aung, Wong, and Ting 2021; Lovis 2019). Ces bénéfices potentiels sont présentés pour les usages les plus prometteurs des systèmes d’intelligence artificielle (SIA), en mettant l’accent sur les développements récents des techniques d’IA (p. ex. apprentissage automatique). Cette fiche ne couvre pas l’ensemble du potentiel des SIA qui pourraient améliorer la santé, notamment pour soutenir la recherche, la découverte, et la santé publique (p. ex. prévention et protection). Il s'agit de la deuxième fiche d'une série de 4 développée dans le cadre d'un mandat réalisé pour le Ministère de la Santé et des Services sociaux du Québec (MSSS).