Loading...
Please wait, while we are loading the content...
Similar Documents
Utiliser des "support vector machines" pour apprendre un noyau de viabilité
| Content Provider | Semantic Scholar |
|---|---|
| Author | Deffuant, Guillaume Martin, Sophie Chapel, Laetitia |
| Copyright Year | 2005 |
| Abstract | Nous proposons d'utiliser un algorithme d'apprentissage particulier, les SVMs, pour resoudre des problemes de viabilite. Differentes procedures ont deja ete proposees pour approcher un noyau de viabilite mais leur application reste difficile car le resultat est alors un ensemble de points, sans definition explicite. La methode proposee permet de donner une bonne approximation du noyau de viabilite, alors defini par une expression analytique, ce qui permet d'utiliser une methode d'optimisation pour trouver le meilleur controle a chaque pas. Cette propriete permet egalement de considerer l'optimisation sur plusieurs pas, ce qui donne une meilleure approximation du noyau. Des premieres experiences montrent que l'algorithme approche le noyau de viabilite avec une bonne precision, dans des espaces de dimension 2 a 6. |
| Starting Page | 195 |
| Ending Page | 202 |
| Page Count | 8 |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | http://majecstic05.irisa.fr/presentations/Laetitia_Chapel.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
