CNSS : UN Système neuro-symbolique cellulaire pour l'apprentissage automatique à partir de connaissance empiriques

Notice brève
dc.contributor.authorATMANI Baghdad
dc.date.accessioned2022-11-27T19:37:24Z
dc.date.available2022-11-27T19:37:24Z
dc.date.issued2007-06-27
dc.description.abstractDans cette thèse, nous avons développé des recherches sur les systèmes d'apprentissage automatique symbolique et adaptatif, et en particulier sur les méthodes d'affectation: acquisition automatique incrémentale de connaissances à partir de connaissances empiriques (exemples). De même, nous avons réalisé différentes expérimentations qui ont servies à la mise en oeuvre d'un nouveau système hybride, nommé système CNSS - Cellular NeuroSymbolic System. Ce système permet, à partir d'une base de cas pratique, de faire coopérer un réseau de neurones, un graphe d'induction et un automate cellulaire pour la construction d'un modèle de prédiction. En détectant et en éliminant les individus non applicables et les variables non pertinentes, le réseau de neurones optimise l'échantillon d'apprentissage. Le résultat du réseau de neurones ainsi obtenu, est affiné par un processus d'apprentissage automatique symbolique à base de graphe d'induction (méthode SIPINA). Ce raffinement se fait par l'automate cellulaire qui va assister SIPINA à l'optimisation du graphe d'induction et assurer, par la suite, la représentation et la génération des règles de production sous formes conjonctives avant d'entamer la phase de validation par un Système Expert Cellulaire. Le système d'apprentissage automatique CNSS a été conçu pour l'acquisition automatique incrémentale de connaissances par induction et la prédiction par déduction. Le système a été testé sur plusieurs applications, en utilisant des problèmes réels comme le diagnostic médical et la prédiction bancaire. Les résultats montrent que le système CNSS a des performances supérieures et de nombreux avantages par rapport aux trois techniques qui le compose, testées séparément et, d’autre part par rapport à d’autre systèmes d'apprentissage symbolique qui existent.
dc.identifier.urihttps://dspace.univ-oran1.dz/handle/123456789/1198
dc.language.isofr
dc.subjectRéseau de neurones
dc.subjectGraphe d'induction
dc.subjectSystème expert
dc.subjectApprentissage automatique
dc.subjectAutomate cellulaire
dc.subjectSystème hybride
dc.titleCNSS : UN Système neuro-symbolique cellulaire pour l'apprentissage automatique à partir de connaissance empiriques
grade.ExaminateurM.T. LASKRI, Professeur, Université Badji Mokhtar d’Annaba
grade.ExaminateurA. BENYETTOU, Professeur, U.S.T. Oran
grade.ExaminateurW. NOUIBAT, Maitre de conférences, U.S.T. Oran
grade.ExaminateurPh. JORRAND, Professeur, INPG/IMAG Grenoble, France
grade.OptionCAO / IAO
grade.PrésidentH. HAFFAF, Professeur, Université Oran
grade.RapporteurB. BELDJILALI, Professeur, Université Oran
la.SpécialitéInformatique
la.coteTH2483
Fichiers
Bundle original
Voici les éléments 1 - 1 sur 1
Vignette d'image
Nom :
TH2483.pdf
Taille :
2.02 MB
Format :
Adobe Portable Document Format
Description :
Télécharger
Collections
Thèses de Doctorat "Informatique"