Proposer une nouvelle architecture opérationnelle et un cadre théorique pour faire collaborer des techniques d’apprentissage supervisées et non supervisés dans une procédure itérative (T1.1). Étudier les conditions de la mise en œuvre d’une telle architecture. Définir des méthodes pour optimiser le processus et garantir la convergence des processus et la prévention des collaborations négatives (T1.2).
Tâche 1.1 – Concepts et architecture pour une collaboration multiparadigme
Pour proposer un schéma générique de processus dans lequel des classifieurs puissent collaborer, nous étendrons les concepts mis en œuvre dans SAMARAH à une architecture multiparadigme.
Tâche 1.2 – Conditions d’une mise en œuvre optimale d’une collaboration multiparadigme
Optimiser un processus de collaboration s’appuyant sur des données hétérogènes demande de caractériser l’effet de la diversité et de la décorrélation des informations apportées par les méthodes. En apprentissage supervisé, les performances des méthodes dites d’ensemble dépendent de la diversité des résultats produits par les algorithmes participants.
Cette diversité se mesure par le désaccord sur les étiquettes attribuées aux exemples d’apprentissage. Il n’existe pas de telle étude pour des méthodes multiparadigmes travaillant sur des données hétérogènes.