WorldCat Identities

Duval, Béatrice

Overview
Works: 8 works in 8 publications in 2 languages and 25 library holdings
Genres: Conference papers and proceedings 
Roles: Other, Thesis advisor, Opponent
Publication Timeline
.
Most widely held works by Béatrice Duval
Agents and Artificial Intelligence by ICAART (Conference)( Book )

1 edition published in 2015 in English and held by 15 WorldCat member libraries worldwide

This book contains the revised and extended versions of selected papers from the 9th International Conference, ICAART 2017, held in Porto, Portugal, in February 24-26, 2017. The 11 full papers were carefully reviewed and selected from 158 initial submissions. The papers are organized in two tracks. The first focuses on agents, multi-agent systems, software platforms, distributed problem solving and distributed AI in general. The second track focuses mainly on artificial intelligence, knowledge representation, planning, learning, scheduling, perception, reactive AI systems, evolutionary computing, and other topics related to intelligent systems and computer intelligence
Learning-driven optimization approaches for combinatorial search problems by Yangming Zhou( )

1 edition published in 2017 in English and held by 2 WorldCat member libraries worldwide

This thesis is devoted to developing learning-driven optimization approaches for solving hard Combinatorial Optimization Problems (COPs). We particularly consider three important categories of COPs, including grouping problems such as Graph Coloring Problem (GCP), subset selection problems such as Maximum Diversity Problem (MDP), and permutation problems such as Quadratic Assignment Problem (QAP). These three classes of problems are of important theoretical significance, and have a wide range of practical applications. Given that they usually belong to the NP-hard problems, it is computationally difficult to solve them in the general case. This thesis concentrates on designing learning-driven heuristic optimization approaches for solving these problems.With the help of machine learning techniques,heuristic approaches will be able to benefit from their past search history such as discovering promising regions and useful patterns to find better solutions. In this thesis, we propose three learning-driven heuristic approaches for the three categories of considered COPs. We develop a probability learning based local search for grouping problems, especially for GCP; an opposition-based memetic search for MDP; and a frequent pattern based search for QAP. All the proposed approaches were experimentally assessed based on benchmarks, and experimental results show that they compete favorably with state-of-the-art methods. Also, the beneficial effects of the introduced learning techniques are confirmed by experimental evidence
Optimization approaches for minimum conductance graph partitioning by Zhi Lu( )

1 edition published in 2020 in English and held by 2 WorldCat member libraries worldwide

Le problème de partitionnement de graphe de conductance minimale (MCGPP) est un problème d'optimisation combinatoire NP-difficile avec de nombreuses applications pratiques dans divers domaines tels que la détection communautaire, la bioinformatique et la vision par ordinateur. Etant donnée sa complexité intrinsèque, des approches heuristiques et métaheuristiques constituent un moyen convenable pour résoudre des instances de grande taille. Cette thèse est consacrée au développement d'algorithmes métaheuristiques performants pour le MC-GPP. Plus précisément, nous proposons un algorithme «Stagnation aware Breakout Tabu Search», un algorithme évolutif hybride (MAMC) et un algorithme multiniveaubasé sur le recuit simulé (IMSA). Nous présentons des résultats expérimentaux sur de nombreux graphes de grande dimension de la littérature ayant jusqu'à 23 millions de sommets. Nous montrons la haute performance de nos algorithmes par rapport à l'état de l'art. Nous analysons les éléments algorithmiques et stratégies de recherche pour mettre en lumière leur influence sur la performance des algorithmes proposés
Optimization algorithms for two knapsack problems by Zequn Wei( )

1 edition published in 2021 in English and held by 2 WorldCat member libraries worldwide

This thesis considers two generalized knapsack problems : the set-union knap-sack problem (SUKP) and the disjunctively constrained knapsack problem (DCKP). These two problems are useful models to formulate numerous practical applications. Given that they belong to the family of NP-hard problems, it is computationally challenging to solve them in the general case. This thesis is devoted to advancing the state-of-the-art for solving these relevant problems Specifically, we introduce an iterated two-phase local search algorithm, a kernel based tabu search algorithm, a multistart solution-based tabu search algorithm to solve the SUKP and a threshold search based memetic algorithm to solve the DCKP. Computational studies performed on a wide range of benchmark instances indicate that all the proposed approaches compete favourably with state-of-the-art algorithms. Additional experiments show the roles of the key composing ingredients of our algorithms, including the frequency-based local optima escaping strategy, the kernel search heuristic, the solution-based tabu search technique for the SUKP and the dedicated threshold search method for the DCKP
Analyse bioinformatique du génome et de l'épigénome du pommier by Nicolas Daccord( )

1 edition published in 2018 in English and held by 1 WorldCat member library worldwide

La pomme est l'un des fruits les plus consommés au monde. En utilisant les dernières technologies de séquençage (PacBio) et de cartes optiques (BioNano), nous avons généré un assemblage de novo de haute qualité du génome du pommier (Malus domestica Borkh.). Nous avons réalisé une annotation des gènes et des éléments transposables pour permettre à cet assemblage d'être utilisé en tant que génome de référence. La grande contiguité de l'assemblage a permis de détecter les éléments transposables de façon exhaustive, ce qui fournit une opportunité sans précédents d'étudier les régions non-caractérisées d'un génome d'arbre. Nous avons également trouvé que le génome du pommier est entièrement dupliqué, comme montré par les relations de synthénie entre les chromosomes. En utilisant du Whole Genome Bisulfite Sequencing (WGBS) ainsi que l'assemblage précédemment généré, nous avons montré des cartes de méthylation de l'ADN pour tout le génome et montré une corrélation générale entre la méthylation de l'ADN près des gènes et l'expression des gènes. De plus, nous avons identifié plusieurs Régions Différentiellement Méthylées (RDMs) entre les méthylomes de fruits et de feuilles du pommier, associées à des gènes candidats qui pourraient être impliqués dans des traits agronomiques importants tel que le développement du fruit. Enfin, nous avons développé un pipeline rapide, simple et complet qui prend entièrement en charge l'analyse des données WGBS, de l'alignement des reads au calcul des RDMs
Heuristic Algorithms for Graph Coloring Problems by Wen Sun( )

1 edition published in 2018 in English and held by 1 WorldCat member library worldwide

This thesis concerns four NP-hard graph coloring problems, namely, graph coloring (GCP), equitable coloring (ECP), weighted vertex coloring (WVCP) and k-vertex-critical subgraphs (k-VCS). These problems are extensively studied in the literature not only for their theoretical intractability, but also for their real-world applications in many domains. Given that they belong to the class of NP-hard problems, it is computationally difficult to solve them exactly in the general case. For this reason, this thesis is devoted to developing effective heuristic approaches to tackle these challenging problems. We develop a reduction memetic algorithm (RMA) for the graph coloring problem, a feasible and infeasible search algorithm (FISA) for the equitable coloring problem, an adaptive feasible and infeasible search algorithm (AFISA) for the weighted vertex coloring problem and an iterated backtrack-based removal (IBR) algorithm for the k-VCS problem. All these algorithms were experimentally evaluated and compared with state-of-the-art methods
Étude de la régulation anti-sens par l'analyse différentielle de données transcriptomiques dans le domaine végétal by Marc Legeay( )

1 edition published in 2017 in French and held by 1 WorldCat member library worldwide

Un des problèmes actuels en bio-informatique est de comprendre les mécanismes de régulation au sein d'une cellule ou d'un organisme. L'objectif de la thèse est d'étudier les réseaux de co-expression de gènes chez le pommier avec la particularité d'y intégrer les transcrits anti-sens. Les transcrits anti-sens sont des ARN généralement non-codants, dont les différents modes d'action sont encore mal connus. Dans notre étude exploratoire du rôle des anti-sens, nous proposons d'une part une analyse fonctionnelle différentielle qui met en évidence l'intérêt de l'intégration des données anti-sens en transcriptomique. D'autre part, concernant les réseaux de gènes, nous proposons de limiter l'inférence à un cœur de réseau et nous introduisons alors une méthode d'analyse différentielle permettant de comparer un réseau obtenu à partir de données sens avec un réseau contenant des données sens et anti-sens. Nous introduisons ainsi la notion de gènes AS-impacté, qui permet d'identifier des gènes dont les interactions au sein d'un réseau de co-expression sont fortement impactées par la prise en compte de transcrits anti-sens. Pour les données pommier que nous avons étudiées et qui concerne la maturation des fruits et leur conservation à basse température, l'interprétation biologique des résultats de notre analyse différentielle fournit des pistes pertinentes pour une étude expérimentale plus ciblée de gènes ou de voies de signalisation dont l'importance pourrait être sous-estimée sans la prise en compte des données anti-sens
Programmation par contraintes et découverte de motifs sur données séquentielles by Vincent Vigneron( )

1 edition published in 2017 in French and held by 1 WorldCat member library worldwide

Des travaux récents ont montré l'intérêt de la programmation par contraintes pour la fouille de données. Dans cette thèse, nous nous intéressons à la recherche de motifs sur séquences, et en particulier à la caractérisation, à l'aide de motifs, de classes de séquences pré-établies. Nous proposons à cet effet un langage de modélisation à base de contraintes qui suppose une représentation matricielle du jeu de séquences. Un motif s'y définit comme un ensemble de caractères (ou de patrons) et pour chacun une localisation dans différentes séquences. Diverses contraintes peuvent alors s'appliquer : validité des localisations, couverture d'une classe de séquences, ordre sur les localisations des caractères commun aux séquences, etc. Nous formulons deux problèmes de caractérisation NP-complets : la caractérisation par motif totalement ordonné (e.g. sous-séquence exclusive à une classe) ou partiellement ordonné. Nous en donnons deux modélisations CSP qui intègrent des contraintes globales pour la preuve d'exclusivité. Nous introduisons ensuite un algorithme mémétique pour l'extraction de motifs partiellement ordonnés qui s'appuie sur la résolution CSP lors des phases d'initialisation et d'intensification. Cette approche hybride se révèle plus performante que l'approche CSP pure sur des séquences biologiques. La mise en forme matricielle de jeux de séquences basée sur une localisation des caractères peut être de taille rédhibitoire. Nous proposons donc de localiser des patrons plutôt que des caractères. Nous présentons deux méthodes ad-hoc, l'une basée sur un parcours de treillis et l'autre sur la programmation dynamique
 
Audience Level
0
Audience Level
1
  General Special  
Audience level: 0.85 (from 0.82 for Agents and ... to 0.91 for Agents and ...)

Agents and Artificial Intelligence
Covers
Languages