Brigitte Charnomordic
Les publications de Brigitte Charnomordic :
Les livres
Aucun ouvrage lié à cet auteur.Les articles
La partition floue déforme la distance
Auteurs : Serge Guillaume, Brigitte Charnomordic, Patrice LoiselCe travail introduit une nouvelle distance univariée qui tient compte de la partition floue de la variable. Celle-ci correspond à la distance euclidienne pour le cas de partitions triangulaires régulières. This work introduces a new univariate distance function which takes into account the fuzzy partition of the variable. It corresponds to the Euclidean distance for regular partitions made of triangular membership functions.
LFA 2010
Auteur : Collectif LFAContributeurs : Umberto Straccia, Sylvie Galichet, Patrick Bosc, Olivier Pivert, Nouredine Tamani, Ludovic Liétard, Daniel Rocacher, Hélène Jaudoin, Olivier Pivert, Malik Manceur, Najib Essounbouli, Abdelaziz Hamzaoui, Hichem Kerkeni, Jimmy Lauber, Thierry-Marie Guerra, Sinda Aloui, Olivier Pagès, Ahmed El Hajjaji, Abdessattar Chaari, Yassine Koubaa, Laurent Vermeiren, Antoine Dequidt, Mohamed Afroun, Thierry-Marie Guerra, Salim Labiod, Thierry-Marie Guerra, Maha Bouattour, Mohammed Chadli, Ahmed El Hajjaji, Mohamed Chaabane, Abdelhak Imoussaten, Jacky Montmain, Agnès Rico, Fabien Rico, Nahla Ben Amor, Hélène Fargier, Wided Guezguez, Didier Dubois, Henri Prade, Steven Schockaert, Patrice Buche, Brigitte Charnomordic, Sébastien Destercke, Zainab Assaghir, Mehdi Kaytoue, Amedeo Napoli, Henri Prade, Anne Laurent, Marie-Jeanne Lesot, Maria Rifqi, Perfecto Malaquias Quintero Flores, Federico Del Razo Lopez, Anne Laurent, Pascal Poncelet, Marie-Hélène Masson, Li Qiang, Thierry Denoeux, Sarra Ben Hariz, Zied Elouedi, Nicolas Labroche, Lavinia Darlea, Lionel Valet, Sylvie Galichet, Cristina Croitoru, Christophe Marsala, Bernadette Bouchon-Meunier , Serge Guillaume, Brigitte Charnomordic, Patrice Loisel, Romain Quéré, Hoel Le Capitaine, Carl Frélicot, Noël Fraisseix, Farid Aiche, Didier Dubois, Reda Boukezzoula, Sylvie Galichet, Laurent Foulloy, Olivier Strauss, Jean-François Crouzet, Anthony Fiche, Arnaud Martin, Jean-Christophe Cexus, Ali Khenchaf, Pascal Djiknavorian, Arnaud Martin, Dominic Grenier, Pierre Valin, Pierre-Emmanuel Doré, Arnaud Martin, David Mercier, Zied Elouedi, Éric Lefevre
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Référence : 95224
Mes données sont-elles fiables ? Vers une réponse évidentielle
Auteurs : Patrice Buche, Brigitte Charnomordic, Sébastien DesterckeS'il existe de nombreuses méthodes permettant d'intégrer l'information concernant la fiabilité des sources et des données à des modèles d'incertitudes, il existe nettement moins de travaux s'intéressant au problème d'évaluer cette fiabilité. Dans ce papier, nous proposons une méthode permettant d'estimer cette fiabilit é, basée sur un ensemble de critères d'évaluation et sur la théorie de l'évidence. L'exemple choisi est tiré d'un cas réel issu de l'application Sym'Previus, entrepˆot de données en microbiologie prévisionnelle. There are many available methods to integrate data or information source reliability in an uncertainty representation, but there are only a few works focusing on the problem of evaluating this reliability. In this paper, we propose a method to assess data reliability froma set of criteria by the means of evidence theory. The chosen illustrative example comes from real-world data issued from the Sym'Previus predictive microbiology oriented data warehouse.
LFA 2010
Auteur : Collectif LFAContributeurs : Umberto Straccia, Sylvie Galichet, Patrick Bosc, Olivier Pivert, Nouredine Tamani, Ludovic Liétard, Daniel Rocacher, Hélène Jaudoin, Olivier Pivert, Malik Manceur, Najib Essounbouli, Abdelaziz Hamzaoui, Hichem Kerkeni, Jimmy Lauber, Thierry-Marie Guerra, Sinda Aloui, Olivier Pagès, Ahmed El Hajjaji, Abdessattar Chaari, Yassine Koubaa, Laurent Vermeiren, Antoine Dequidt, Mohamed Afroun, Thierry-Marie Guerra, Salim Labiod, Thierry-Marie Guerra, Maha Bouattour, Mohammed Chadli, Ahmed El Hajjaji, Mohamed Chaabane, Abdelhak Imoussaten, Jacky Montmain, Agnès Rico, Fabien Rico, Nahla Ben Amor, Hélène Fargier, Wided Guezguez, Didier Dubois, Henri Prade, Steven Schockaert, Patrice Buche, Brigitte Charnomordic, Sébastien Destercke, Zainab Assaghir, Mehdi Kaytoue, Amedeo Napoli, Henri Prade, Anne Laurent, Marie-Jeanne Lesot, Maria Rifqi, Perfecto Malaquias Quintero Flores, Federico Del Razo Lopez, Anne Laurent, Pascal Poncelet, Marie-Hélène Masson, Li Qiang, Thierry Denoeux, Sarra Ben Hariz, Zied Elouedi, Nicolas Labroche, Lavinia Darlea, Lionel Valet, Sylvie Galichet, Cristina Croitoru, Christophe Marsala, Bernadette Bouchon-Meunier , Serge Guillaume, Brigitte Charnomordic, Patrice Loisel, Romain Quéré, Hoel Le Capitaine, Carl Frélicot, Noël Fraisseix, Farid Aiche, Didier Dubois, Reda Boukezzoula, Sylvie Galichet, Laurent Foulloy, Olivier Strauss, Jean-François Crouzet, Anthony Fiche, Arnaud Martin, Jean-Christophe Cexus, Ali Khenchaf, Pascal Djiknavorian, Arnaud Martin, Dominic Grenier, Pierre Valin, Pierre-Emmanuel Doré, Arnaud Martin, David Mercier, Zied Elouedi, Éric Lefevre
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Référence : 95215
Séquence robuste d'optimisation paramétrique d'un système d'inférence floue
Auteurs : Serge Guillaume, Brigitte CharnomordicCe travail présente une séquence robuste d'optimisation des paramètres d'un système d'inférence floue. Chacune des étapes permet d'optimiser un ensemble de paramètres interdépendants, suivant des critères de performance numérique mais aussi de couverture. La structure du système n'est pas modifiée par la procédure et des contraintes sont imposées pour garantir son interpr étabilité. Dix couples apprentissage-test sont générés pour chaque jeu de données et les systèmes optimisés suivant chacun des sous-échantillons sont agrégés en un système final. L'ensemble des procédures est implémenté dans le logiciel libre FisPro. This work proposes a robust parameter optimization sequence for fuzzy inference systems. Each step allows for optimizing a set of interrelated parameters according to various criteria such as numerical accuracy and coverage. The fuzzy inference system structure is preserved and constraints are imposed to respect the fuzzy partition semantics. A ten-fold sub-sampling validation is also proposed for each of the datasets and all the systems optimized according to the sub-samples are aggregated in a final system. All the procedures are implemented in the FisPro open source software.
LFA 2012
Auteur : Collectif LFAContributeurs : Inés Couso, Anne Laurent, Éric Benoit, Didier Dubois, Henri Prade, Agnès Rico, Miguel Couceiro, Jean-Luc Marichal, Serge Guillaume, Brigitte Charnomordic, Mouna Boughamsa, Messaoud Ramdani, Nicole El Zoghby, Véronique Cherfaoui, Bertrand Ducourthial, Thierry Denoeux, Mira Bou Farah, David Mercier, Éric Lefevre, François Delmotte, Nadia Ben Abdallah, Nassima Mouhous Voyneau, Thierry Denoeux, David Mercier, Éric Lefevre, Rémus Pusca, Cristian Demian, Raphael Romary, Olivier Pivert, Grégory Smits, Hélène Jaudoin, Allel Hadjali, Didier Dubois, Hélène Fargier, Dominique Guyonnet, Katia Abbaci, Allel Hadjali, Ludovic Liétard, Daniel Rocacher, Matthieu Puyo, Nadine Matton, Stéphane Vautier, Didier Dubois, Henri Prade, Salem Benferhat, Faiza Khellaf-Hamed, Ismahane Zeddigha, Gilles Mauris, Leila Amgoud, Henri Prade, Farid Aiche, Didier Dubois, Afef Denguir, François Trousset, Jacky Montmain, Samia Boulkrinat, Allel Hadjali, Aïcha Mokhtari, Sawsan Kanj, Fahed Abdallah, Thierry Denoeux, Olivier Strauss, Désiré Dro Sidibe, William Puech, Samir Hachour, François Delmotte, Éric Lefevre, David Mercier, John Klein, Jean-Marc Vannobel, Perfecto Malaquias Quintero Flores, Federico Del Razo Lopez, Nicolas Sicard, Anne Laurent, Amal Oudni, Marie-Jeanne Lesot, Maria Rifqi, Reda Boukezzoula, Moheb Elmasry, Sylvie Galichet, Laurent Foulloy, Nicolas Sutton-Charani, Sébastien Destercke, Thierry Denoeux, Mehena Loudahi, John Klein, Jean-Marc Vannobel, Olivier Colot, Felipe Aguirre, Sébastien Destercke, Mohamed Sallak, Walter Schon
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, traitement données
Référence : 104706