WorldCat Identities

Vrain, Christel

Overview
Works: 40 works in 65 publications in 2 languages and 367 library holdings
Genres: Conference papers and proceedings 
Roles: Editor, Other, Thesis advisor, Opponent, htt, Publishing director, Author, Contributor
Classifications: HM1111, 302
Publication Timeline
.
Most widely held works by Christel Vrain
Inductive logic programming : 27th International Conference, ILP 2017, Orléans, France, September 4-6, 2017, revised selected papers by ILP (Conference)( )

10 editions published in 2018 in English and held by 270 WorldCat member libraries worldwide

This book constitutes the thoroughly refereed post-conference proceedings of the 27th International Conference on Inductive Logic Programming, ILP 2017, held in Orléans, France, in September 2017. The 12 full papers presented were carefully reviewed and selected from numerous submissions. Inductive Logic Programming (ILP) is a subfield of machine learning, which originally relied on logic programming as a uniform representation language for expressing examples, background knowledge and hypotheses. Due to its strong representation formalism, based on first-order logic, ILP provides an excellent means for multi-relational learning and data mining, and more generally for learning from structured data
Understanding interactions in complex systems : toward a science of interaction by Nicolas Debarsy( Book )

1 edition published in 2017 in English and held by 23 WorldCat member libraries worldwide

Since human activities are embedded in interactions, they are at the very center of the modeling of any form of social life, shaping societies, groups and interpersonal relationships. All theories of social, cognitive and cultural life are thus associated with explicit or tacit models of the nature of interactions and relations. This book proposes a multifaceted exploration of the complex nature of interactions, and of the modeling of complex interactional systems. It shows that all disciplines can be enriched by exploring alternative paradigms in the modeling of interactions, and that if disc
Apprentissage incrémental des modèles d'action relationnels by Christophe Rodrigues( )

4 editions published in 2013 in French and held by 7 WorldCat member libraries worldwide

Dans cette thèse, nous nous intéressons à l'apprentissage artificiel pour l'action. Nous nous situons à l'intersection de l'apprentissage par renforcement (AR) et de la programmation logique inductive (PLI). Nous étudions plus précisément l'apprentissage de modèles d'actions. Un modèle d'action décrit les conditions et effets des actions possibles dans un environnement. Il permet d'anticiper les conséquences des actions d'un agent et peut aussi être utilisé par un planificateur. Nous nous intéressons en particulier à une représentation relationnelle des environnements. Nous décrivons alors les états et les actions à l'aide d'objets et de relations entre les différents objets qui les composent. Nous présentons la méthode IRALe apprennant de façon incrémentale des modèles d'action relationnels. Nous commençons par supposer que les états sont entièrement observables et que les conséquences des actions sont déterministes. Nous apportons une preuve de convergence pour cette méthode. Ensuite, nous développons une approche d'exploration active qui essaye de focaliser l'expérience de l'agent sur des actions supposées non couvertes par le modèle. Enfin, nous généralisons l'approche en introduisant une perception de l'environnement bruitée afin de rendre plus réaliste notre cadre d'apprentissage. Pour chaque approche, nous illustrons empiriquement son intérêt sur plusieurs problèmes de planification. Les résultats obtenus montrent que le nombre d'interactions nécessaires avec les environnements est très faible comparé à la taille des espaces d'états considérés. De plus, l'apprentissage actif permet d'améliorer significativement ces résultats
Un outil pour la généralisation utilisant systématiquement les théorèmes : le système OGUST by Christel Vrain( )

3 editions published in 1987 in French and held by 5 WorldCat member libraries worldwide

La plupart des systèmes d'Apprentissage actuels n'utilisent qu'incomplètement les connaissances sur le domaine dans lequel se fait l'Apprentissage et se limitent très souvent à des propriétés exprimées sous forme de taxonomies. Nous proposons dans cette thèse un système d'apprentissage dans un domaine à théorie forte, où les propriétés sont exprimées sous forme de théorèmes universels ou de taxonomies. Notre système utilise une notion nouvelle appelée Mise en Correspondance Structurelle. Nous résolvons ainsi un problème classique en Démonstration Automatique: celui des boucles de raisonnement. Une des particularités de ce système par rapport aux autres systèmes d'apprentissage à partir d'exemples est sa capacité à fournir des explications. Ces explications pourront s'avérer utiles pour traiter les contre-exemples ou pour faire de l'apprentissage incrémental
Acquiring first-order knowledge about air traffic control by Yves Kodratoff( Book )

2 editions published in 1991 in English and held by 4 WorldCat member libraries worldwide

Conférence d'apprentissage by Conférence d'apprentissage( Book )

1 edition published in 2002 in French and held by 4 WorldCat member libraries worldwide

Langage de biais en apprentissage symbolique by Frédéric Moal( Book )

2 editions published in 2000 in French and held by 3 WorldCat member libraries worldwide

L'extraction de connaissances dans les bases de données (ECD) est un domaine de recherche actuellement très actif. Une problématique importante pour l'ECD est l'apprentissage supervisé, dont le but est de trouver une définition en intension d'un concept représenté par un ensemble d'exemples étiquetés comme appartenant ou non à ce concept. Dans un contexte relationnel, cette tâche, pour des raisons à la fois théoriques et pratiques, nécessite l'utilisation de biais pour adapter l'algorithme d'apprentissage aux caractéristiques du problème considéré. Nous proposons un cadre unifié et déclaratif pour la spécification et l'exploitation des biais sur l'espace des hypothèses. Notre approche repose sur la définition d'un nouveau formalisme, qui raffine les grammaires d'arbres par un langage de contraintes. Nous montrons notamment que ce formalisme permet de définir l'espace des hypothèses par unions et intersections de biais. Nous nous intéressons ensuite à l'exploration d'un tel espace, en étudiant deux approches, l'une déterministe et l'autre stochastique. Dans la première, nous proposons une nouvelle définition des opérateurs de raffinement sur les clauses utilisés en programmation logique inductive. Cette définition utilise explicitement l'espace des hypothèses et les biais, ce qui permet un élagage optimal lors de la recherche. Nous appliquons cette approche à l'ECD, en utilisant la structure de la base de données pour optimiser la base de recherche. Notre deuxième approche repose sur les algorithmes d'évolution. Nous montrons que le formalisme des grammaires d'arbres avec contraintes est particulièrement adapté à la spécification des biais en programmation génétique. Il étend en effet l'expressivité des formalismes existants, permet de modéliser les biais sur la population initiale, et de contrôler la validité des descendants lors des opérations génétiques. Nous proposons d'appliquer ce nouveau cadre pour l'induction de concepts exprimés en algèbre relationnelle
Une méthode de classification non-supervisée pour l'apprentissage de règles et la recherche d'information by Guillaume Cleuziou( Book )

2 editions published in 2004 in French and held by 3 WorldCat member libraries worldwide

Le regroupement d'objets, dans un cadre non-supervisé, est une tâche importante et difficile en apprentissage. Ce processus intervient dans des contextes variés tels que la découverte de connaissances, la simplification dans la représentation ou la description d'un ensemble de données. Nous proposons, dans cette étude, l'algorithme de clustering PoBOC permettant de structurer un ensemble d'objets en classes non-disjointes. Nous utilisons cette méthode de clustering comme outil de traitement dans deux applications très différentes. En apprentissage supervisé, l'organisation préalable des instances apporte une connaissance utile pour la tâche d'induction de règles propositionnelles et logiques. En Recherche d'Information, les ambiguïtés et subtilités de la langue naturelle induisent naturellement des recouvrements entre thématiques. Dans ces trois domaines de recherche, l'intérêt d'organiser les objets en classes non-disjointes est confirmé par les études expérimentales adaptées
Learning a Markov Logic network for supervised gene regulatory network inference by Céline Brouard( )

1 edition published in 2013 in English and held by 2 WorldCat member libraries worldwide

Preface to special issue on Inductive Logic Programming, ILP 2017 and 2018 by Nicolas Lachiche( )

1 edition published in 2019 in English and held by 2 WorldCat member libraries worldwide

Fouille de données par algorithmes génétiques by Agnes Braud( Book )

2 editions published in 2002 in French and held by 2 WorldCat member libraries worldwide

La fouille de données est un processus visant à la découverte de connaissances potentiellement utiles, enfouies dans les bases de données. Parmi les problématiques de ce domaine, nous nous intéressons à l'apprentissage de concepts à partir d'exemples. Nous nous concentrons sur l'apprentissage de descriptions de concepts exprimées sous forme d'un ensemble de règles, et sur l'apport des algorithmes génétiques dans ce domaine
Extraction de motifs sous contraintes souples by Willy Ugarte Rojas( Book )

2 editions published in 2014 in French and held by 2 WorldCat member libraries worldwide

Chaque cadre doit contenir un résumé de 1700 caractères maximum, espaces compris. En cas de dépassement, la coupure sera automatique. Le doctorant adresse son texte sous forme électronique selon les recommandations de la bibliothèque. L'objectif de cette thèse est d'introduire de la souplesse dans le processus d'extraction de motifs en fouille de données. En utilisant la programmation par contraintes, nous avons pu apporter quatre principales contributions : - La proposition d'un cadre général permettant de mettre en œuvre les contraintes souples de seuil dans un extracteur de motifs. - L'introduction de la souplesse dans les skypatterns (motifs Pareto-optimaux par rapport à un ensemble de mesures) et la proposition d'une méthode générique permettant aussi bien l'extraction des skypatterns (durs) que des skypatterns souples. - L'introduction du cube de skypatterns et la proposition de deux méthodes permettant sa construction~: l'une, ascendante, repose principalement sur des règles de dérivation; l'autre, utilise une approximation de l'ensemble des skypatterns du cube, rendue possible grâce aux skypatterns souples. - L'introduction de la notion de motif optimal permettant de modéliser de nombreux problèmes d'extraction de motifs : skypatterns, top-k, motifs fermés, .... La déclarativité et la généricité de notre approche nous semblent ouvrir la voie à la définition et à la découverte de nouveaux ensembles de motifs. Ces contributions ont été validées expérimentalement sur des domaines applicatifs réels tels que la découverte de toxicophores pour les deux premières contributions et la découverte de composants mutagènes pour la troisième
Apprentissage de solveurs de contraintes sur les domaines finis by Andréï Legtchenko( Book )

2 editions published in 2005 in French and held by 2 WorldCat member libraries worldwide

La programmation par contraintes est un outil très puissant de modélisation et de résolution de problèmes. Un problème est modélisé par un ensemble de variables et un ensemble de contraintes sur ces variables. Les solutions sont ensuite trouvées par un système appelé solveur de contraintes. Un solveur est un logiciel complexe souvent basé sur des subtiles propriétés des contraintes. Un solveur peut être représenté par un algorithme de recherche combiné avec un algorithme d'itération d'opérateurs de réduction de domaines. Afin de faciliter la construction d'opérateurs de réduction, il est envisageable de les dériver automatiquement à partir des contraintes du problème. Dans cette étude nous proposons un cadre général et plusieurs techniques pour la construction automatique d'opérateurs de réduction à partir de la spécification en extension d'une contrainte (par une table de solutions). Les techniques se repartissent en deux catégories, selon la nature de la contrainte. Le cas d'une contrainte classique où toutes les solutions sont connues. En utilisant des techniques issues de l'apprentissage automatique, on propose d'exploiter les régularités du nuage de solutions afin de produire des opérateurs ayant une grande puissance de réduction et un coût d'exécution réduit. Le cas d'une contrainte partiellement définie où seuls des exemples de solutions et de non-solutions sont connus. Dans ce cas la contrainte est d'abord apprise sur les exemples sous la forme d'une fonction de satisfiabilité exprimée dans un langage donné. Ensuite les opérateurs de réduction sont dérivés à partir de cette fonction en utilisant le procédé de l'extension aux ensembles. Une nouvelle méthode d'apprentissage supervisé de classificateurs, inspirée par la forme générale de propagateurs, a également été proposée. Toutes les techniques et algorithmes ont été implantés et testés avec succès
Concise Pattern Learning for RDF Data Sets Interlinking by Zhengjie Fan( )

1 edition published in 2014 in English and held by 2 WorldCat member libraries worldwide

There are many data sets being published on the web with Semantic Web technology. The data sets usually contain analogous data which represent the similar resources in the world. If these data sets are linked together by correctly identifying the similar instances, users can conveniently query data through a uniform interface, as if they are connecting a single database. However, finding correct links is very challenging because web data sources usually have heterogeneous ontologies maintained by different organizations. Many existing solutions have been proposed for this problem. (1) One straight-forward idea is to compare the attribute values of instances for identifying links, yet it is impossible to compare all possible pairs of attribute values. (2) Another common strategy is to compare instances with correspondences found by instance-based ontology matching, which can generate attribute correspondences based on overlapping ranges between two attributes, while it is easy to cause incomparable attribute correspondences or undiscovered comparable attribute correspondences. (3) Many existing solutions leverage Genetic Programming to construct interlinking patterns for comparing instances, however the running times of the interlinking methods are usually long. In this thesis, an interlinking method is proposed to interlink instances for different data sets, based on both statistical learning and symbolic learning. On the one hand, the method discovers potential comparable attribute correspondences of each class correspondence via a K-medoids clustering algorithm with instance value statistics. We adopt K-medoids because of its high working efficiency and high tolerance on irregular data and even incorrect data. The K-medoids classifies attributes of each class into several groups according to their statistical value features. Groups from different classes are mapped when they have similar statistical value features, to determine potential comparable attribute correspondences. The clustering procedure effectively narrows the range of candidate attribute correspondences. On the other hand, our solution also leverages a symbolic learning method, called Version Space. Version Space is an iterative learning model that searches for the interlinking pattern from two directions. Our design can solve the interlinking task that does not have a single compatible conjunctive interlinking pattern that covers all assessed correct links with a concise format. The interlinking solution is evaluated with large-scale real-world data from IM@OAEI and CKAN. Experiments confirm that the solution with only 1% of sample links already reaches a high accuracy (up to 0.94-0.99 on F-measure). The F-measure quickly converges improving on other state-of-the-art approaches, by nearly 10 percent of their F-measure values
Constrained distance based clustering for time-series: a comparative and experimental study by Thomas Lampert( )

1 edition published in 2018 in English and held by 2 WorldCat member libraries worldwide

Contrôle intelligent de la domotique à partir d'informations temporelles multi sources imprécises et incertaines by Pedro Chahuara Quispe( )

1 edition published in 2013 in French and held by 2 WorldCat member libraries worldwide

La Maison Intelligente est une résidence équipée de technologie informatique qui assiste ses habitant dans les situations diverses de la vie domestique en essayant de gérer de manière optimale leur confort et leur sécurité par action sur la maison. La détection des situations anormales est un des points essentiels d'un système de surveillance à domicile. Ces situations peuvent être détectées en analysant les primitives générées par les étages de traitement audio et par les capteurs de l'appartement. Par exemple, la détection de cris et de bruits sourds (chute d'un objet lourd) dans un intervalle de temps réduit permet d'inférer l'occurrence d'une chute. Le but des travaux de cette thèse est la réalisation d'un contrôleur intelligent relié à tous les périphériques de la maison capable de réagir aux demandes de l'habitant (par commande vocale) et de reconnaître des situations à risque ou détresse. Pour accomplir cet objectif, il est nécessaire de représenter formellement et raisonner sur des informations, le plus souvent temporelles, à des niveaux d'abstraction différents. Le principale défi est le traitement de l'incertitude, l'imprécision, et incomplétude, qui caractérisent les informations dans ce domaine d'application. Par ailleurs, les décisions prises par le contrôleur doivent tenir compte du contexte dans lequel une ordre est donné, ce qui nous place dans l'informatique sensible au contexte. Le contexte est composé des informations de haut niveau tels que la localisation, l'activité en cours de réalisation, la période de la journée. Les recherches présentées dans ce manuscrit peuvent être divisés principalement en trois axes: la réalisation des méthodes d'inférence pour acquérir les informations du contexte(notamment, la localisation de l'habitant y l'activité en cours) à partir des informations incertains, la représentation des connaissances sur l'environnement et les situations à risque, et finalement la prise de décision à partir des informations contextuelles. La dernière partie du manuscrit expose les résultats de la validation des méthodes proposées par des évaluations amenées à la plateforme expérimental Domus
Inductive Logic Programming( Book )

1 edition published in 2018 in English and held by 2 WorldCat member libraries worldwide

This book constitutes the thoroughly refereed post-conference proceedings of the 27th International Conference on Inductive Logic Programming, ILP 2017, held in Orléans, France, in September 2017. The 12 full papers presented were carefully reviewed and selected from numerous submissions. Inductive Logic Programming (ILP) is a subfield of machine learning, which originally relied on logic programming as a uniform representation language for expressing examples, background knowledge and hypotheses. Due to its strong representation formalism, based on first-order logic, ILP provides an excellent means for multi-relational learning and data mining, and more generally for learning from structured data
Recherche de motifs fréquents pour l'extraction de règles d'association et de caractérisation by Ansaf Salleb( Book )

2 editions published in 2003 in French and held by 2 WorldCat member libraries worldwide

La fouille de données est un domaine de recherche en plein essor visant à extraire des connaissances à partir de grandes quantités de données. Dans cette thèse, nous nous intéressons à l'extraction de motifs fréquents dans les bases de données. Cette étape à la fois importante et coûteuse, est commune à plusieurs tâches de fouille de données. Parmi celles-ci, nous avons étudié la recherche de règles d'association et la recherche de règles de caractérisation, fondées l'une comme l'autre sur la recherche de motifs fréquents. D'une part, nous nous sommes intéressés à l'extraction de motifs fréquents dans des bases dites transactionnelles. Ces bases se présentent comme des multi-ensembles de transactions, où chaque transaction est constituée d'un ensemble d'items, appelé itemset. Nous proposons dans ce cadre une approche booléenne pour la recherche des itemsets fréquents. L'idée est de représenter une base de transactions par une fonction à variables booléennes et à valeurs entières. L'étude menée a non seulement montré l'efficacité de l'approche pour représenter et charger les bases de transactions denses en mémoire, mais aussi l'intérêt de l'utilisation de ce format condensé pour l'extraction des itemsets fréquents maximaux. D'autre part, l'extraction des motifs fréquents dans des bases de données représentant des objets et leurs relations, comme par exemple les bases de données relationnelles et géographiques, est un problème non trivial, étant donné la complexité de l'espace de recherche. Ceci nous a poussé à orienter nos recherches vers d'autres types de règles plus ciblées telles que les règles de caractérisation. Nous proposons un cadre général pour la caractérisation d'un ensemble d'objets, appelé ensemble 'cible', en nous basant non seulement sur leurs propriétés propres mais aussi sur les propriétés de tous les objets qui leur sont liés directement ou indirectement
Contraintes et fouille de données by Teddy Turmeaux( Book )

2 editions published in 2004 in French and held by 2 WorldCat member libraries worldwide

La fouille de données est un domaine de recherche actif, visant à découvrir des connaissances implicites dans des bases de données. Nous étudions ici l'intérêt de formalismes issus de la logique du premier ordre pour la fouille de données. En particulier, nous examinons l'intérêt des contraintes, vues comme des formules du premier ordre et interprétées sur un domaine particulier. Un point important de tout formalisme utilisé en ECD est la définition d'une relation de généralité qui permet de structurer l'espace des motifs, et de faciliter ainsi la recherche de motifs intéressants. Nous nous intéressons tout d'abord aux bases de données contraintes qui étendent à la fois les bases de données relationnelles, déductives et spatiales, et qui permettent la définition d'ensembles infinis grâce à la notion de tuples généralisés. Nous étudions ensuite le formalisme des clauses contraintes utilisées en Programmation Logique avec Contraintes. Nous reprenons la définition classique de généralité entre clauses contraintes et nous déterminons dans ce cadre le moindre généralisé, le moindre spécialisé et des opérateurs de raffinement. Nous montrons comment les calculer en pratique sur plusieurs domaines de contraintes spécifiques. Enfin nous introduisons un nouveau motif: les règles caractéristiques. Ces règles sont la combinaison d'un chemin quantifié et d'une contrainte et permettent de capturer la notion de lien entre entités et de contraintes sur ces entités. Nous montrons l'intérêt de telles règles dans le cadre de bases de données géographiques, notamment sur des données géologiques fournies par le Bureau de Recherche Géologique et Minières
Extraction et gestion des connaissances : EGC'2013 by Journées francophones sur l'extraction et la gestion des connaissances( Book )

1 edition published in 2013 in French and held by 2 WorldCat member libraries worldwide

 
moreShow More Titles
fewerShow Fewer Titles
Audience Level
0
Audience Level
1
  General Special  
Audience level: 0.00 (from 0.00 for Inductive ... to 0.00 for Inductive ...)

WorldCat IdentitiesRelated Identities
Understanding interactions in complex systems : toward a science of interaction
Covers
Understanding interactions in complex systems : toward a science of interaction
Languages
French (24)

English (18)