University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Got,Adel |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
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
RéductiondeDimensionnalitéIndex. 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 : 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
RéductiondeDimensionnalitéIndex. 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 : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DI/0051 DI/0051 Thèse Bibliothéque des sciences Anglais Disponible
Disponible