Machine Learningusing Multi-Objective Evolutionary Algorithms / Got,Adel  

Public ISBD Titre : Machine Learningusing Multi-Objective Evolutionary Algorithms Type de document : texte imprimé Auteurs : Got,Adel, Auteur ; Abdelouahab Moussaoui, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (101 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : ApprentissageAutomatique RéductiondeDimensionnalité Index. décimale : 004 - Informatique Résumé : En général,l’apprentissageautomatiqueconsisteàgérerunegrandequantitéde données. Laqualitédecesdonnéesinfluencetellementsurlaprécisiondumodéle d’apprentissagequelquesoitlaperformancedel’algorithmeutilisé. La sélectiond’attributstenteàoffriràl’algorithmd’apprentissageunensem- ble dedonnéesbienreprésentéesensupprimantlesattributsnonpertinentset redondants,etensélectionnantlesattributslesplusinformatrifs.Cetactemène, principalement, àdiminuerlenombred’attributsetàaméliorerlaprécisiondela prédiction del’algorithmed’apprentissage.Cependant,laconceptioncontradic- toireentrenombre/précisionfaitlasélectiond’attributsunproblèmemultiobjec- tif. Parconséquent,nousproposonsdanscettethèse,deuxalgorithmesévolution- nairespourrésoudrelesproblèmesd’optimisationmultiobjectifsd’unemanière générale, etpouraborderleproblèmedesélectiond’attributs. Dans lapremi`re contribution,nousavonsproposéunnouvelalgorithme d’optimisation multiobjectifsappeléGPAWOA.L’algorithmeproposéutiliselano- tion dedominancedeParéto,etilmaintientunrépertoireexternepoursauve- garderlessolutionsdites”élites”.Deplus,ilutiliselemécanismedeladis- tance d’encombrementpouravoirdessolutionsbienrépartiesdansl’espacede recherche. Dans ladeuxiémecontribution,nousavonsappliquél’algorithmeGPAWOA pour résoudreleproblèmedelasélectiond’attributs.Pourcela,nousavons adapté, enpremierlieu,l’algorithmeGPAWOAaveclesproblèmesd’optimisation combinatoire,puis,nousavonscombinélesapproches”filtrantesetenvelop- pantes” dansunseulsystèmepourbénéficierdesavantagesdechaquemodèle afin deminimiserlenombred’attributsetmaximiserlaprécisiondel’algorithme d’apprentissage. Côte titre : DI/0051 En ligne : https://drive.google.com/file/d/1mDeGzL9kkYXC3wMbd2rw87bNFcXNuyj4/view?usp=shari [...] Format de la ressource électronique : pdf Machine Learningusing Multi-Objective Evolutionary Algorithms [texte imprimé] / Got,Adel, Auteur ; Abdelouahab Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (101 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : ApprentissageAutomatique RéductiondeDimensionnalité Index. décimale : 004 - Informatique Résumé : En général,l’apprentissageautomatiqueconsisteàgérerunegrandequantitéde données. Laqualitédecesdonnéesinfluencetellementsurlaprécisiondumodéle d’apprentissagequelquesoitlaperformancedel’algorithmeutilisé. La sélectiond’attributstenteàoffriràl’algorithmd’apprentissageunensem- ble dedonnéesbienreprésentéesensupprimantlesattributsnonpertinentset redondants,etensélectionnantlesattributslesplusinformatrifs.Cetactemène, principalement, àdiminuerlenombred’attributsetàaméliorerlaprécisiondela prédiction del’algorithmed’apprentissage.Cependant,laconceptioncontradic- toireentrenombre/précisionfaitlasélectiond’attributsunproblèmemultiobjec- tif. Parconséquent,nousproposonsdanscettethèse,deuxalgorithmesévolution- nairespourrésoudrelesproblèmesd’optimisationmultiobjectifsd’unemanière générale, etpouraborderleproblèmedesélectiond’attributs. Dans lapremi`re contribution,nousavonsproposéunnouvelalgorithme d’optimisation multiobjectifsappeléGPAWOA.L’algorithmeproposéutiliselano- tion dedominancedeParéto,etilmaintientunrépertoireexternepoursauve- garderlessolutionsdites”élites”.Deplus,ilutiliselemécanismedeladis- tance d’encombrementpouravoirdessolutionsbienrépartiesdansl’espacede recherche. Dans ladeuxiémecontribution,nousavonsappliquél’algorithmeGPAWOA pour résoudreleproblèmedelasélectiond’attributs.Pourcela,nousavons adapté, enpremierlieu,l’algorithmeGPAWOAaveclesproblèmesd’optimisation combinatoire,puis,nousavonscombinélesapproches”filtrantesetenvelop- pantes” dansunseulsystèmepourbénéficierdesavantagesdechaquemodèle afin deminimiserlenombred’attributsetmaximiserlaprécisiondel’algorithme d’apprentissage. Côte titre : DI/0051 En ligne : https://drive.google.com/file/d/1mDeGzL9kkYXC3wMbd2rw87bNFcXNuyj4/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DI/0051	DI/0051	Thèse	Bibliothéque des sciences	Anglais	Disponible Disponible

---

1 (1 - 1 / 1)