– Papier (Collections classiques, Encyclopédie SCIENCES) :
Livraison offerte pour toute commande directe effectuée sur le site istegroup.com
Délai de livraison : environ deux semaines
Envois uniquement vers : France métropolitaine, Belgique, Suisse et Luxembourg
Impression en couleur
Un ebook de l’ouvrage (à l’exception des titres de l’Encyclopédie SCIENCES) est offert pour tout achat
de sa version papier sur notre site, il vous sera envoyé après la finalisation de votre commande
Offre non applicable aux librairies
– Ebook (Collections classiques, Encyclopédie SCIENCES, Abrégés) :
Prix réservé aux particuliers
Pour les institutions : nous contacter
Nos ebooks sont au format PDF (compatible sur tout support)
Les domaines de l’apprentissage automatique et de l’optimisation sont aujourd’hui étroitement liés. Les problèmes d’optimisation constituent le coeur des méthodes d’apprentissage automatique et les algorithmes d’optimisation utilisent de plus en plus ces méthodes pour améliorer leur efficacité. Trois composantes sont partagées : la représentation, l’évaluation et la recherche itérative.
Alors que les méthodes d’optimisation sont généralement conçues pour être rapides et précises sur des modèles implicites, les problèmes d’apprentissage automatique posent de nouveaux défis aux chercheurs en optimisation, amenant les praticiens de l’apprentissage automatique à créer des algorithmes d’optimisation génériques plus simples.
L’apprentissage automatique, ainsi que l’optimisation, trouvent leurs applications dans de nombreux domaines scientifiques. Illustré de cas concrets, Optimisation et apprentissage examine l’interaction entre ces deux domaines, mettant en évidence leurs principales similitudes et leur coopération.
1. Tournées de véhicules avec contraintes de chargement : des méthodes de résolution
2. Ordonnancement du flux de travail IoT basé sur la qualité de service
3. Résolution de problèmes de sélection de caractéristiques à l’aide de métaheuristiques
4. La résolution du problème d’équilibrage d’une chaîne de montage à modèles mixtes
5. Réseau interactif et apprentissage automatique pour les recommandations
6. Comparaison de modèles d’apprentissage automatique et d’apprentissage profond
7. Approche hybride pour la navigation autonome des robots mobiles
8. La détection d’intrusion au moyen des réseaux de neurones : un tutoriel
Rachid Chelouah
Rachid Chelouah est directeur de recherche à CY Cergy Paris Université. Ses recherches portent sur l’intelligence artificielle et l’optimisation.
Patrick Siarry
Patrick Siarry est professeur à l’Université Paris-Est Créteil. Ses recherches portent sur l’adaptation aux problèmes à variables continues des métaheuristiques pour l’optimisation difficile.
Chapitre 1
Tournées de véhicules avec contraintes de chargement : des méthodes de résolution (pages : 7-27)
Ce chapitre combine deux des problèmes d'optimisation combinatoire les plus étudiés, le problème d'acheminement de véhicules capacitaires (CVRP) et le problème d'emballage de bacs en deux/trois dimensions (2/3D-BPP). Nous fournissons une revue actualisée des variantes du L-CVRP et analysons certaines des méthodes d'optimisation les plus populaires présentées dans la littérature existante. Parallèlement, nous discutons de leurs applications pour résoudre des problèmes concrets.
Chapitre 2
Ordonnancement du flux de travail IoT basé sur la qualité de service (pages : 29-57)
L’ordonnancement des applications de l’Internet des objets est sensible à la latence. Malgré les capacités de calcul et de stockage du Cloud computing, les valeurs de latence sont affectées. Par conséquent, cette limitation du Cloud a conduit au développement du paradigme du Fog Computing basée par l’approche d’ordonnancement par un système multi-agents pour exploiter les fonctionnalités indépendantes de chaque agent.
Chapitre 3
Résolution de problèmes de sélection de caractéristiques à l’aide de métaheuristiques (pages : 59-92)
La dimension du problème et la sélection des caractéristiques représentent des difficultés pour les classifieurs. Les métaheuristiques basées sur la population, telles que l'algorithme d'optimisation du loup gris (GWO), constituent l'une des meilleures solutions à ce problème. Ce chapitre nous permet de démontrer étape par étape, l'utilisation de GWO pour le processus de sélection de caractéristiques appliqué sur un classificateur KNN.
Chapitre 4
La résolution du problème d’équilibrage d’une chaîne de montage à modèles mixtes (pages : 93-119)
Des industriels utilisent des lignes d'assemblage spéciales à modèles mixtes. Lors de la conception de ces lignes, un problème critique apparaît, celui de l'équilibrage, qui doit être résolu pour minimiser le nombre de postes de travail ou le temps de cycle. Une amélioration de la procédure de recherche adaptative gloutonne basée sur la variation de la liste candidats a été proposée.
Chapitre 5
Réseau interactif et apprentissage automatique pour les recommandations (pages : 123-151)
Les systèmes de recommandation sont largement utilisés pour suggérer des biens qui correspondent le mieux aux besoins des utilisateurs. Pour répondre à cette demande, nous concevons un système de recommandation intégrant un module de filtrage collaboratif et un module de recommandation par empilement. Nous introduisons un mécanisme d'attention interactif pour modéliser la relation d'influence mutuelle entre les utilisateurs et les articles .
Chapitre 6
Comparaison de modèles d’apprentissage automatique et d’apprentissage profond (pages : 153-171)
Pour réaliser un audit, l'utilisation de toutes les informations disponibles relatives à l'univers ou au sujet de l'audit pourrait améliorer la qualité des résultats. La classification des documents textuels de l'audit pourrait permettre l'utilisation d'informations supplémentaires pour améliorer les données structurées existantes, ce qui conduirait à une meilleure connaissance pour soutenir le processus d'audit. Nous avons appliqué cette démarche au traitement du langage naturel.
Chapitre 7
Approche hybride pour la navigation autonome des robots mobiles (pages : 173-209)
La conception d'une architecture de contrôle est un problème central dans un projet de réalisation d'un robot mobile autonome. Nous utilisons le paradigme multi-agents et le mécanisme d'inférence basé sur la logique floue dans la conception de l'architecture de contrôle pour la navigation autonome du robot mobile. L'architecture développée doit tenir compte des contraintes imposées du système multi-agents et de l'environnement.
Chapitre 8
La détection d’intrusion au moyen des réseaux de neurones : un tutoriel (pages : 211-247)
La détection d'intrusion est un concept clé dans la sécurité. Elle vise à analyser l'état actuel d'un réseau en temps réel et à identifier les anomalies potentielles qui se produisent dans le système. Un réseau de neurones à réaction formé sur l'ensemble de données NSL-KDD a pour objectif de maximiser la précision de la reconnaissance de nouveaux échantillons de données.
