Sujet-These-EP-Chaib

PROPOSITION DE SUJET DE THÈSE Laboratoire : Décision, Adaptation and Multi-Agents (DAMAS), Québec, Canada, dont l’adresse web est www.damas.ift.ulaval.ca Responsable : Pr. B. Chaib-draa (chaib@ift.ulaval.ca); Département d'informatique et de génie logiciel, Faculté des sciences et de génie, 1065 rue de la Médecine, Pavillon Adrien-Pouliot, local 3766, Université Laval (Québec), Canada, G1V 0A6, Tél.: (1) 418 656 2131 #3226; Fax : (1) 418 656-2324. Estimation de l’état par des méthodes d’apprentissage machine L’apprentissage machine vise à rendre les algorithmes plus performants en les dotant de mécanismes capables de tirer profit de l’expérience ou des données accumulées. Dès lors, concevoir un agent apprenant, consiste à le doter d’algorithmes capables de s’améliorer, soit via les interactions de l’agent avec l’environnement, soit en tirant profit de données antérieurs accumulées par d’autres programmes, soit en combinant les deux. Dans le cas où l’agent apprend via ses interactions avec l’environnement, l’apprentissage est dit par renforcement; si c’est via les sonnées antérieurs l’apprentissage est dit supervisé. Ces deux formes d’apprentissage sont complétées par le non-supervisé dans lequel, et bien qu’il y ait des données en entrée, il n’y a pas de sortie a priori comme dans le cas du supervisé. En fait, dans ce type d’apprentissage [3], le programme traite les données comme des variables aléatoires et construit un modèle de densités jointes ...