Induction symbolique numérique à partir de données

E. Diday, P. Brito, Y. Kodratoff, M. Moulet

443 pages, parution le 08/05/2000

Ajouter à une liste

Expédié sous 9 jours

Livraison à partir de 0,01€ dès 35€ d'achats
Pour une livraison en France métropolitaine

QUANTITÉ

Résumé

Cet ouvrage est le second écrit par les mêmes auteurs chez le même éditeur, afin de rendre public le travail de la communauté de chercheurs en extraction de connaissances (ECD) à partir de données symboliques et numériques, aujourd'hui appelée "Data Mining".

Les auteurs présentent ici les résultats issus de la recherche en France et sont tout à fait conscients de ce que la communauté américaine a produit, elle aussi, quantité de résultats intéressants. Sans être fondamentalement différente, la recherche française tend à mettre l'accent moins sur la taille des bases de données explorées, que sur l'extension de l'analyse des données aux objets symboliques, sur l'intelligibilité des connaissances acquises, et sur les fondements épistémologiques de l'ECD. C'est pour cela que cet ouvrage est complémentaire aux deux fameux livres sur le "Data Mining" édités par Piatetsky-Shapiro et al., et qu'il présente une sorte de "spécificité française" dans le domaine.

Sommaire

INTRODUCTION
PREMIÈRE PARTIE - PRINCIPES ET ORIENTATIONS
- CHAPITRE I
  L'analyse des données symboliques: un cadre théorique et des outils pour le " data mining "
- CHAPITRE II
  L'induction symbolique numérique en ECD
- CHAPITRE III
  Logique et induction: un vieux débat
- CHAPITRE IV
  Etre symbolique ou numérique ou ne pas l'être ?... Est-ce là la question ?
PARTIE II - SIMILARITÉS ET CLASSIFICATION
- CHAPITRE V
  La similarité : une notion symbolique numérique
- CHAPITRE VI
  Structure d'ordre et classification pyramidale d'objets symboliques
- CHAPITRE VII
  Un indice de proximité entre objets symboliques qui tient compte des contraintes dans l'espace de description
- CHAPITRE VIII
  Analyse relationnelle des données symboliques
- CHAPITRE IX
  Apprentissage de similarité à partir d'exemples
PARTIE III - APPRENTISSAGE
- CHAPITRE X
  Construction de bases de données de références pour l'évaluation des traitements d'images médicales. Apport de l'apprentissage symbolique numérique
- CHAPITRE XI
  Charade & fils : évolutions, applications et extensions
- CHAPITRE XII
  Discrimination entre classes de séquences
- CHAPITRE XIII
  Marquages de sous-ensembles de données
- CHAPITRE XIV
  Sélection de descripteurs pour la discrimination de concepts
- CHAPITRE XV
  Apprentissage par acquisition de contre-exemples
PARTIE IV - RÉSEAUX DE NEURONES
- CHAPITRE XVI
  Proposition d'une construction efficace d'un réseau de neurones à partir d'un arbre de décision
- CHAPITRE XVII
  Réseau neuro-flou et arbre hybride de neurones deux approches connectionnistes pour l'extraction de règles
- CHAPITRE XVIII
  Génération de règles par apprentissage contraint d'un perceptron multicouche

Caractéristiques techniques

	PAPIER
Éditeur(s)	Cépaduès
Auteur(s)	E. Diday, P. Brito, Y. Kodratoff, M. Moulet
Parution	08/05/2000
Nb. de pages	443
Format	14 x 20,5
Couverture	Broché
Poids	550g
Intérieur	Noir et Blanc
EAN13	9782854285024
ISBN13	978-2-85428-502-4