Brève description / annotation

Les fondements de l'apprentissage De l'apprentissage naturel à l'apprentissage artificiel Première approche théorique de l'induction L'environnement méthodologique de l'apprentissage Apprentissage par exploration Induction et relation d'ordre : l'espace des versions La programmation logique inductive Transfert de connaissance et apprentissage par analogie L'inférence grammaticale Apprentissage par évolution simulée Apprentissage par optimisation L'apprentissage de modèles linéaires L'apprentissage de réseaux connexionistes L'apprentissage de réseaux bayésiens L'apprentissage de modèles de Markov cachés Apprentissage par inférence d'arbres Apprentissage par approximation et interpolation Méthode à noyaux L'apprentissage bayésien et son approximation L'apprentissage de réflexes par renforcement Au-delà de l'apprentissage supervisé Apprentissage de combinaisons d'experts La classification non-supervisée et la fouille de donnée L'apprentissage semi-supervisé Vers de nouvelles tâches et de nouvelles questions Analyse de l'induction : approfondissement et ouvertures Annexes techniques

Détails