Anne Laurent
Les publications de Anne Laurent :
Les livres
Aucun ouvrage lié à cet auteur.Les articles
OSACA : Découverte d'attributs symboliques ordinaux
Auteurs : Christophe Marsala, Anne Laurent, Marie-Jeanne Lesot, Maria Rifqi, Arnaud CastelltortLes bases de données dites hétérogènes contiennent des données décrites par des attributs à la fois symboliques et numériques. Cet article propose une méthode, appelée OSACA, pour identifier, parmi les attributs symboliques, les attributs ordinaux, en exploitant les informations fournies par les attributs numériques. Pour ce faire, OSACA procède en trois étapes : des motifs graduels sont d'abord extraits des attributs numériques. Des filtres morphologiques sont ensuite appliqués aux attributs symboliques pour déterminer des ordres sur les valeurs catégorielles à partir de l'ordre induit par les motifs graduels. Enfin, une mesure d'entropie d'ordre permet d'évaluer la pertinence des ordres candidats.
LFA 2018 - Rencontres francophones sur la Logique Floue et ses Applications
Auteur : Collectif LFAContributeurs : Luc Jaulin, Matthias C. M. Troffaes, Véronique Cherfaoui, Olivier Pivert, Henri Prade, Grégory Smits, Pierre Nerzic, Olivier Pivert, Marie-Jeanne Lesot, Laurent Foulloy, Lamia Berrah , Vincent Clivillé, Christophe Marsala, Anne Laurent, Marie-Jeanne Lesot, Maria Rifqi, Arnaud Castelltort, Sarra Saied, Zied Elouedi, Siwar Jendoubi, Didier Coquin, Reda Boukezzoula, Arthur Guillon , Marie-Jeanne Lesot, Christophe Marsala, Grégory Smits, Olivier Pivert, Toan Ngoc Duong, Yonatan-Carlos Carranza-Alarcon, Sébastien Destercke, Sébastien Ramel, Frédéric Pichon, François Delmotte, Emmanuel Ramasso, Vincent Placet, Nadia Ben Abdallah, Anne-Laure Jousselme, Frédéric Pichon, Didier Dubois, Francis Faux, Henri Prade, Agnès Rico, Constance Thierry, Jean-Christophe Dubois, Yolande le Gall, Arnaud Martin, Malika Ben Khalifa, Zied Elouedi, Éric Lefevre, Thomas Laurain, Jimmy Lauber, Reinaldo Palhares, Dhouha Kharrat, Hamdi Gassara, Ahmed El Hajjaji, Mohamed Chaabane, Sofiane Bououden, Mohammed Chadli, Ilyes Boulkaibet, Thierry Marie Guerra, Mathias Blandeau, Miguel Bernal, Salama Makni, Maha Bouattour, Ahmed El Hajjaji, Mohamed Chaabane, Thi Van Anh Nguyen, Anh Tu Nguyen, Laurent Vermeiren, Antoine Dequidt, Michel Dambrine, Cung Le, Doha El Hellani, Ahmed El Hajjaji, Jérôme Bosche, Laurent Foulloy, Gilles Mauris, Arij Azzabi, Nahla Ben Amor, Hélène Fargier, Régis Sabbadin, Nahla Ben Amor, Hélène Fargier, Régis Sabbadin, Meriem Trabelsi, Farid Aiche, Reda Boukezzoula, Sylvie Galichet, Laurent Foulloy, Olivier Strauss, Agnès Rico, Rédina Berkachy, Laurent Donzé, Safia Laaziz, Younes Zeboudj, Salem Benferhat, Faiza Khellaf-Hamed, Didier Dubois, Hélène Fargier, Agnès Rico, Sébastien Destercke, Véronique Cherfaoui, Mylène Masson, Hafida Mouhagir, Sarah Fakih, Cécile L'Héritier, Abdelhak Imoussaten, Sébastien Harispe, Gilles Dusserre, Benoit Roig
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, Logique floue, traitement données
Référence : 167707
Vers un modèle OLAP flou basé sur les bases de données NoSQL orientées graphes
Auteurs : Anne Laurent, Arnaud CastelltortLes modèles OLAP flous étendent les modèles proposés à partir des années 2000 pour gérer les données et/ou requêtes imprécises dans le contexte des bases de données décisionnelles. Ces modèles fournissent des outils de navigation à travers différents niveaux de granularité afin de permettre aux décideurs d'analyser les données notamment à différents niveaux de granularité. Des modèles multidimensionnels spécifiques, organisant les données sous la forme agrégée d'indicateurs analysés le long d'un ensemble de dimensions ont été proposés. Si des moteurs de bases de données purement OLAP ont été construits, la plupart des implantations actuelles de ces modèles exploitent les systèmes de bases de données relationnelles. Dans cet article, nous proposons d'exploiter les modèles NoSQL orientés graphes proposés plus récemment et permettant de traiter des volumes de données complexes plus importants. Ce travail est un premier pas vers la définition d'un langage dédié (Domain Specific Language) pour l'OLAP flou.
LFA 2017 - Rencontres francophones sur la Logique Floue et ses Applications
Auteur : Collectif LFAContributeurs : Susana Vieira, Susana Vieira, Carl Frélicot, Frédéric Pichon, Nathalie Hélal, David Mercier, Daniel Porumbel, Éric Lefevre, Sébastien Destercke, Didier Dubois, Henri Prade, Francis Faux, Éric Lefevre, Frédéric Pichon, David Mercier, Pauline Minary, Benjamin Droit, Safa Ben Ayed, Zied Elouedi, Éric Lefevre, Anne Laurent, Arnaud Castelltort, Grégory Smits, Olivier Pivert, Pierre Nerzic, Besma Khalfi, Cyril De Runz, Cyril De Runz, Christophe Marsala, François Meunier, Laurent Castanié, Reda Boukezzoula, Sylvie Galichet, Laurent Foulloy, Reda Boukezzoula, Sylvie Galichet, Laurent Foulloy, Akram Hacini, Rabah Mazouzi, Herman Akdag, Jean-Philippe Poli, Arnaud Grivet Sébert, Miguel Couceiro, Jean-Luc Marichal, Jimmy Devillet, Guillaume Petiot, Miguel Couceiro, Pierre Mercuriali, Romain Péchoux, Diadé Sow, Abdelhak Imoussaten, Pierre Couturier, Jacky Montmain, Miguel Couceiro, Didier Dubois, Henri Prade, Agnès Rico, Thomas Laurain, Jimmy Lauber, Zsofia Lendek, Reinaldo Palhares, Mohammed Chadli, Souad Rabah, Hervé Coppier, Mathias Blandeau, Thierry-Marie Guerra, Philippe Pudlo, François Gabrielli, Victor Estrada-Manzo, Doha El Hellani, Ahmed El Hajjaji, Roger Ceschi, Abdelmadjid Cherifi, Kevin Guelton, Laurent Arcese, Ahmed El Hajjaji, Mohamed Chaabane, Amel Ferjani, Sébastien Lefort, Marie-Jeanne Lesot, Elisabetta Zibetti, Charles Tijus, Marcin Detyniecki, Didier Dubois, Henri Prade, Agnès Rico, Olivier Strauss, Inés Couso, Julien Pérolat, Gilles Mauris, Charles Lesniewska-Choquet, Abdourrahmane Atto, Abdourrahmane Atto
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, Logique floue, traitement données
Référence : 156608
Extraction de règles linguistiques floues par programmation génétique
Auteurs : Perfecto Malaquias Quintero Flores, Federico Del Razo Lopez, Anne Laurent, Pascal PonceletLes systèmes génétiques flous permettent de traiter l'imperfection des données du monde réel et de concevoir des systèmes de contrˆole, de diagnostic médical, d'aide à la décision, de fouille de données, etc. Un système génétique flou est un système capable d'apprendre à l'aide d'un algorithme évolutionnaire (stratégies évolutives, programmation évolutive, algorithmes génétiques, programmation génétique, évolution différentielle, etc.). Dans cet article nous proposons une méthode d'apprentissage de règles linguistiques floues fondée sur la programmation génétique. Notre approche permet d'extraire des règles de Mamdani, à partir de grandes bases de données d'entrée - sortie de systèmes. La méthode a été testée dans deux contextes, le premier dans le domaine de la psychologie, le deuxième dans le domaine chimique et le traitement des eaux usées. Genetic Fuzzy Systems have proven to be practical tools for handling uncertainty in the real world and the design of control systems, medical diagnosis, decision making, data mining, etc.. A genetic fuzzy system is a fuzzy system with layers of learning with an evolutionary algorithm (evolutionary strategies, evolutionary programming, genetic algorithms, genetic programming, differential evolution, etc.). In this paper we propose a learning method of fuzzy linguistic rules supported by genetic programming. Our approach is to identify the Mamdani type fuzzy rules from large databases of input - output of the subsystems tarjet, this independently of the implementation of such systems. The method was tested in two experiments, the first in the field of psychology, the second in chemical and wastewater treatment.
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 : 95218
Extraction de motifs graduels par corrélations d'ordres induits
Auteurs : Anne Laurent, Marie-Jeanne Lesot, Maria RifqiLes tendances graduelles de la forme plus X est A, plus Y est B expriment linguistiquement des informations sur les corrélations et co-variations des attributs. Dans cet article, nous présentons une étude comparative des formalisations qui ont été proposées, examinant leurs sémantiques et propriétés respectives. Nous proposons ensuite un algorithme qui combine les principes de plusieurs approches existantes pour extraire efficacement les motifs graduels fréquents et nous illustrons son utilisation sur une base de données réelle. Gradual tendencies of the form the more X is A, the more Y is B linguistically express information about correlation between attributes and their covariations. In this paper, we present a comparative study of the various formalisations that have been proposed, studying their respective semantics and properties. We then propose an algorithm that combines the principles of existing approaches to efficiently extract frequent gradual itemsets, illustrating its use on a real data set.
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 : 95217
Consommation mémoire et puissance de calcul en fouille de motifs graduels basée sur les ordres flous multi-précisions
Auteurs : Perfecto Malaquias Quintero Flores, Federico Del Razo Lopez, Nicolas Sicard, Anne LaurentDans cet article, nous proposons un cadre pour traiter deux grands problèmes lors de l'extraction de motifs graduels basée sur les ordres flous et sur le coefficient de corrélation de rang gamma flou. Les problématiques abordées sont i) la consommation mémoire et ii) la précision, la représentation, et le stockage efficace des degrés de concordance floue de chaque paire d'indices (i, j) par rapport à la perte ou le gain de puissance de calcul. Dans ce contexte, notre approche implique l'utilisation d'une technique dédiée au traitement des matrices creuses (afin d'éviter le stockage des valeurs zéro) et une vaste gamme de représentations de précision variable (de 1 à 64 bits). In this paper we introduce a framework to address two major problems in gradual itemset mining based on fuzzy orderings and fuzzy gamma rank correlation. The issues addressed are : 1) the high memory consumption, 2) the precision, representation and efficient storage of the fuzzy concordance degrees of each index pair (i,j) versus the loss or gain of computing power. In this context, our approach involves the use of a dedicated technique for handling sparse matrices (in order to avoid the storage of zero values) and a wide range of representations of precision from 2 to 64 bits.
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 : 104725
Fouille de données floue et motifs
Auteur : Anne LaurentLa fouille de données connaît un essor très important. La définition même de ce terme n'est pas aisée, tant elle a connu ces dernières années, et aujourd'hui encore, des acceptions diverses au sein des communautés. Embrassant maintenant un ensemble très large de méthodes et d'approches, le terme est pourtant issu d'une communauté assez resserrée, jeune et atypique dans le monde de l'analyse des données au sens large. Apparu dans les années 1990 dans la communauté des bases de données, le terme Data Mining (Fouille de données en franais) a rapidement alimenté de nombreuses publications. Initialement lié à des applications commerciales et des éditeurs de logiciels de bases de données, le terme a d'abord été opposé au machine learning et aux méthodes d'apprentissage statistique et d'intelligence artificielle. Visant à extraire des motifs dans des données très volumineuses, les méthodes mises en oeuvre ont évolué avec le souci d'optimiser leur performance en temps de calcul et en mémoire. Les algorithmes étaient alors conçus pour parcourir efficacement de grands espaces de recherche et découvrir de manière exhaustive les motifs émergeant des bases de données. Assez rapidement, l'imperfection des données a été un frein pour les applications réelles : imprécisions, incertitudes et autres données manquantes ont empêché les méthodes d'obtenir des résultats pertinents. Pour autant, la communauté a longtemps refusé les apports des chercheurs en logique floue qui ont même parfois dû déguiser les mots clés de leurs travaux pour publier dans les principales conférences de bases de données leurs méthodes issues de la communauté floue. Plus récemment, le rapprochement des communautés d'intelligence artificielle et de bases de données a contribué largement à l'essor des recherches en fouille de données floue. Dans cet exposé, nous nous focalisons sur l'extraction de motifs flous, non pour en détailler tous les travaux associés, mais plutôt pour dresser un panorama des liens entre communautés et des nombreuses fertilisations croisées. Nous verrons en particulier comment les motifs graduels bénéficient aujourd'hui de cet enrichissement mutuel. Data mining is a popular research topic whose definition is not easy as many fields contribute to it. Initially born from the specific area of commercial decisional applications and databases in the nineties, the field has first been opposed to the machine learning and artificial intelligence fields. Aiming at extracting patterns from huge volumes of data, methods and algorithms have been developed with the goal of optimising time- and memory-consumption by proposing several methods for navigating through the large and combinatory search space to retrieve all the frequent patterns. These methods have rapidly suffered from being non relevant and efficient when facing imperfect real data. However, fuzzy logic has not been accepted as a solution for a very long time among the data mining community. More recently, researchers have become closer and fuzzy pattern mining has benefited from the very various approaches of these many fields. In this presentation, we are focusing on fuzzy pattern mining and are showing how cross fertilisation over the research communities allow relevant and promising contributions. In particular, we focus on fuzzy gradual patterns to show this mutual enrichment.
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 : 104702
Extraction de motifs graduels émergents
Auteurs : Anne Laurent, Marie-Jeanne Lesot, Maria RifqiL'extraction de motifs émergents a pour objectif de souligner les caractéristiques distinctives d'une base de données par opposition à une base de référence, afin de mettre en évidence leurs différences. Cet article considère le cas particulier des motifs graduels émergents et vise, donc, à extraire des co-variations d'attributs discriminantes. Il discute les spécificités des motifs graduels nécessitant le développement d'une nouvelle méthode et propose la transposition adaptée d'un algorithme efficace basé sur la notion de bordure, en justifiant son applicabilité au cas des motifs graduels. Il illustre les résultats obtenus sur des données de l'UCI.
LFA 2015
Auteur : Collectif LFAContributeurs : Anne-Laure Jousselme, Didier Dubois, Henri Prade, Michel Grabish, Grégory Smits, Olivier Pivert, Olivier Pivert, Grégory Smits, Ludovic Liétard, Thomas Laurain, Jimmy Lauber, Reinaldo Palhares, Salim Labiod, Thierry-Marie Guerra, Abdelmadjid Cherifi, Kevin Guelton, Laurent Arcese, Amal Ben Rjad, Mouloud Kharoune, Zoltan Miklos, Arnaud Martin, Boutheina Ben Yaghlane, Sébastien Harispe, Abdelhak Imoussaten, François Trousset, Jacky Montmain, Faten Elarbi, Tassadit Bouadi, Arnaud Martin, Boutheina Ben Yaghlane, Sabrine Mallek, Imen Boukhris, Zied Elouedi, Éric Lefevre, Saïd Jabbour, Badran Raddaoui, Lakdhar Sais, Didier Dubois, Agnès Rico, Marc Pirlot, Henri Prade, Manel Ayadi, Nahla Ben Amor, Laurence Cornez, Alberto Donizetti, Jean-Philippe Poli, Laurence Boudet, Abdelwahab Naji, Mohamed Ramdani, Bruno Teheux, Miguel Couceiro, Jean-Luc Marichal, Claudette Cayrol, Didier Dubois, Fayal Touazi, Miguel Couceiro, Quentin Brabant, Diadé Sow, Abdelhak Imoussaten, Pierre Couturier, Jacky Montmain, Nahla Ben Amor, Zeineb Elkhalfi, Hélène Fargier, Régis Sabbadin, Faial Bourahala, Farid Khaber, Mourad Oussalah, Naima Bouzera, Rémi Losero, Jimmy Lauber, Thierry-Marie Guerra, Paul-Antoine Bisgambiglia, Romain Franceschini, Damien Foures, Éric Innocenti, Nessrine El Hadj Salem, Allel Hadjali, Boutheina Ben Yaghlane, Aymen Gammoudi, Aymen Gammoudi, Allel Hadjali, Boutheina Ben Yaghlane, Salem Benferhat, Amélie Levray, Karim Tabia, Henri Prade, Asma Belhadi, Didier Dubois, Faiza Khellaf-Hamed, Henri Prade, Amal Oudni, Mohamed Amine Boukhaled, Gauvain Bourgne, Anne Laurent, Marie-Jeanne Lesot, Maria Rifqi, Jamal Atif, Isabelle Bloch, Céline Hudelot, Hugo Saulnier, Inés Couso, Olivier Strauss
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : traitement données, IHM, Informatique, intelligence artificielle, Logique floue
Référence : 151036