Institut Français des Sciences et Technologies des Transports, de l'Aménagement et des Réseaux

Type de document

COMMUNICATION AVEC ACTES NATIONAL (ACTN)

Langue

francais

Auteur

HADJ-MABROUK

Résumé / Abstract

Les experts considèrent généralement qu'il est plus simple de décrire des exemples ou des cas expérimentaux plutôt que d'expliciter des processus de prise de décision. L'introduction des systèmes d'apprentissage automatique fonctionnant sur des exemples permet d'engendrer de nouvelles connaissances susceptibles d'aider l'expert à résoudre un problème particulier. L'expertise d'un domaine est non seulement détenue par les experts mais aussi repartie et emmagasinée implicitement dans une masse de données historiques que l'esprit humain éprouve des difficultés à synthétiser. Extraire de cette masse d'informations des connaissances pertinentes dans un but explicatif ou décisionnel constitue l'un des objectifs de l'apprentissage automatique. L'apprentissage automatique (machine learning) est une branche importante de la recherche dans le domaine de l'IA. L'apprentissage est un terme très général qui décrit le processus selon lequel l'être humain ou la machine peut accroitre sa connaissance. Apprendre c'est donc raisonner. Les efforts menés dans ce domaine ont débouché sur une grande variété de méthodes, techniques, algorithmes et systèmes. Ce foisonnement rend difficile la perception du domaine, compte tenu de l'ambigüité du vocabulaire qui lui est propre et de l'absence de définitions de référence. Sur la base des travaux existants, notre contribution vise à synthétiser les concepts fondamentaux impliques dans le processus d'apprentissage. Cet article propose donc une caractérisation générale du processus d'apprentissage en précisant ses données d'entrée et de sortie, les contraintes qu'il doit respecter ainsi que les mécanismes employés pour apprendre.