Sébastien Destercke

Les publications de Sébastien Destercke :

Les livres

Aucun ouvrage lié à cet auteur.

Les articles

Traitement évidentiel d'exemples non conformes en discrimination

Auteurs : Marie-Hélène Masson, Benjamin Quost, Sébastien Destercke

Lorsque l'on classe un exemple sur la base d'un ensemble d'apprentissage, au moins trois situations dans lesquelles il est difficile de déterminer une classe unique peuvent se produire : soit il y a trop d'incertitude aléatoire car l'individu appartient à une zone de mélange, soit il y a trop d'incertitude épistémique car il y a peu de données dans la zone dans laquelle se situe l'exemple, soit l'exemple ne ressemble à aucun autre exemple d'apprentissage. Alors que les deux premières situations ont été explorées de manière assez intensive dans la littérature, la troisième situation a reçu en comparaison moins d'attention. Cet article présente des pistes de résolution de ce problème dans le cadre de la théorie des fonctions de croyance.

Article édité dans l’ouvrage

LFA 2020 - Rencontres francophones sur la Logique Floue et ses Applications

Auteur : Collectif LFA
Contributeurs : Bernadette Bouchon-Meunier , Jérôme Lang, Kévin Guelton, Arnaud Castelltort, Anne Laurent, Dickson Owuor, Anne Laurent, Joseph Onderi Orero, Amit Shukla, Grégory Smits, Marie-Jeanne Lesot, Olivier Pivert, Grégory Smits, Ron Yager, Marie-Jeanne Lesot, Olivier Pivert, Isabelle Bloch, Olivier Strauss, William Puech, Nahla Ben Amor, Hélène Fargier, Régis Sabbadin, Meriem Trabelsi, Didier Dubois, Henri Prade, Charles Lesniewska-Choquet, Gilles Mauris, Abdourrahmane Atto, Yonatan-Carlos Carranza-Alarcon, Messoudi Soundouss, Sébastien Destercke, Dehak Amine, Anh Tu Nguyen, Antoine Dequidt, Laurent Vermeiren, Michel Dambrine, Loïc Adam, Arthur Van Camp, Sébastien Destercke, Benjamin Quost, Didier Dubois, Henri Prade, Agnès Rico, Jérôme Lang, Agnès Rico, Christophe Marsala, Bernadette Bouchon-Meunier , Jocelyn Poncelet, Pierre-Antoine Jean, Michel Vasquez, Jacky Montmain, Rayane Elimam, Nicolas Sutton-Charani, Jacky Montmain, Stéphane Perrey, Marie-Jeanne Lesot, Adrien Revault d'Allonnes, Mohammed Sadou, Yassine Djouadi, Allel Hadjali, Lucie Jacquin, Abdelhak Imoussaten, Sébastien Destercke, Marie-Hélène Masson, Benjamin Quost, Sébastien Destercke, Tekwa Tedjini, Sohaib Afifi, Frédéric Pichon, Éric Lefevre
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, Logique floue, traitement données
Référence : 186624

Traitement du problème d'optimisation de mélange dans le cas de données incertaines via les fonctions de croyance

Auteurs : Lucie Jacquin, Abdelhak Imoussaten, Sébastien Destercke

Les sorties des algorithmes de classification sont souvent utilisées comme décision finale. Pourtant, dans certaines situations, ces sorties peuvent servir comme entrées à un problème de décision soumis à des contraintes. Dans cet article nous traitons ce problème pour le cas d'une optimisation de mélange de pièces de matériaux hétérogènes rangés dans différents conteneurs. L'information sur les matériaux composant chaque pièce est donnée sous forme de fonction de masse fournie par un classifieur évidentiel. Cet article propose un énoncé de ce problème d'optimisation de mélange dans le cadre des fonctions de croyance. Nous illustrons la résolution d'un tel problème dans le cas du tri des matières plastiques à des fins de recyclage.

Article édité dans l’ouvrage

LFA 2020 - Rencontres francophones sur la Logique Floue et ses Applications

Inférer à partir d'un modèle de Plackett–Luce imprécis : application au rangement d'étiquettes

Auteurs : Loïc Adam, Arthur Van Camp, Sébastien Destercke, Benjamin Quost

L'apprentissage de modèle de rangement est une tâche difficile, dans laquelle les données fournies peuvent être limitées, expliquant qu'une prédiction prudente soit désirable. Pour répondre à cette problématique, nous utilisons un modèle probabiliste paramétrique très populaire : le modèle de Plackett–Luce. Ce modèle est ici appliqué dans le cas imprécis où les paramètres estimés ont valeur dans des ensembles. En particulier, nous étudions comment faire une inférence prudente et sceptique à partir de ce modèle, et illustrons son application en apprentissage supervisé sur le problème de rangement d'étiquettes.

Article édité dans l’ouvrage

LFA 2020 - Rencontres francophones sur la Logique Floue et ses Applications

Apprentissage de rangements prudent avec satisfaction de contraintes

Auteurs : Yonatan-Carlos Carranza-Alarcon, Messoudi Soundouss, Sébastien Destercke

Apprendre à prédire des rangements d'étiquettes est un problème difficile, en raison de leur nature combinatoire. Une façon de le contourner est de diviser le problème initial en plusieurs sous-problèmes plus simples. Les prédictions obtenues à partir de ces sous-problèmes simplifiés doivent ensuite être combinées en une seule sortie, résolvant les éventuelles incohérences entre les sorties. Dans ce travail, nous adoptons une telle approche en permettant aux sous-problèmes de produire des inférences prudentes sous la forme d'ensembles de rangs lorsque l'incertitude attachée aux données produit des prédictions peu fiables. Plus précisément, nous proposons de combiner une décomposition par rang, dans laquelle chaque sous-problème devient une régression ordinale prudente, avec les problème de satisfaction de contraintes (CSP) pour vérifier la cohérence des prédictions. Nos résultats expérimentaux indiquent que notre approche produit des prédictions avec une fiabilité et une précision équilibrée, tout en restant compétitive avec les approches classiques.

Article édité dans l’ouvrage

LFA 2020 - Rencontres francophones sur la Logique Floue et ses Applications

Clustering prudent : une approche relationnelle par seuillage

Auteurs : Sébastien Destercke, Mylène Masson, Benjamin Quost

Le problème du clustering peut être vu comme la recherche de classes d'équivalence d'objets. Dans la lignée de travaux récents sur la discrimination prudente, nous proposons dans cet article une méthode fournissant un clustering partiel sous la forme d'une matrice relationnelle incomplète. Cette approche permet de détecter des objets ambigus (par exemple sur les bords des classes), des classes de petite taille qui pourraient être fusionnées, ou encore des sous-ensembles d'objets dont la relation est mal définie.

Article édité dans l’ouvrage

LFA 2019 - Rencontres francophones sur la Logique Floue et ses Applications

Auteur : Collectif LFA
Contributeurs : Leila Amgoud, Sylvie Le Hegarat-Mascle, Olivier Strauss, Zied Ben Othmane, Amine Aït Younes, Cyril De Runz, Vincent Mercelot, Laurence Boudet, Jean-Philippe Poli, Louis-Pierre Bergé, Michel Rodriguez, Reda Boukezzoula, Luc Jaulin, Laurent Foulloy, Maxime Chaveroche, Franck Davoine, Véronique Cherfaoui, Pierre Couturier, Abdelhak Imoussaten, Jacky Montmain, Sébastien Destercke, Mylène Masson, Benjamin Quost, Yu Du, Sylvie Ranwez, Nicolas Sutton-Charani, Vincent Ranwez, Didier Dubois, Francis Faux, Henri Prade, Agnès Rico, Didier Dubois, Luc Jaulin, Henri Prade, Edwin Friedmann, Jean-Philippe Poli, Driss Gretete, Khalid El Aroui, Mbarek Zaoui, Mohamed Haddache, Allel Hadjali, Hamid Azzoune, Siwar Jendoubi, Didier Coquin, Reda Boukezzoula, Larbi Kharroubi, Hichem Maaref, Wahid Nouibat, Charles Lesniewska-Choquet, Gilles Mauris, Abdourrahmane Atto, Marie-Jeanne Lesot, Grégory Smits, Pierre Nerzic, Olivier Pivert, Helmi Manai, Zied Elouedi, Christophe Marsala, Bernadette Bouchon-Meunier , Behrang Moradi Koutchi, Baptiste Magnier, Siti Mutmainah, Frédéric Pichon, David Mercier, Cyprien Neverov, Chihab Khnifass, Papa Beye, Nicolas Sutton-Charani, Abdelhak Imoussaten, Willy Fagart, Mylène Blot, Arnaud Dupeyron, Dickson Owuor, Anne Laurent, Joseph Onderi Orero, Emmanuel Ramasso, Thierry Denoeux, Adrien Revault d'Allonnes, Marie-Jeanne Lesot, Olivier Strauss, Agnès Rico, Nicolas Sutton-Charani, Ahmad Tay, Frédéric Lafont, Jean-François Balmat, Nathalie Pessel, Tekwa Tedjini, Sohaib Afifi, Frédéric Pichon, Éric Lefevre
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, Logique floue, traitement données
Référence : 173909

Inférences prudentes dans des grilles d'occupation : planification de trajectoires de véhicules dans l'incertain

Auteurs : Sébastien Destercke, Véronique Cherfaoui, Mylène Masson, Hafida Mouhagir, Sarah Fakih

La planification de trajectoires pour les véhicules autonomes se base généralement sur une représentation simplifiée de l'environnement comme les grilles d'occupation 2D. Ces grilles sont construites à partir de mesures de capteurs entâchées de beaucoup d'incertitudes (phénomènes d'occulation, éloignement par rapport au capteur, etc). Cela signifie que l'information d'occupation peut être très incertaine et imprécise à certains endroits de la grille, comme très précise et fiable à d'autres endroits. Modeliser de manière fine cette information est donc essentiel pour décider de l'action optimale à choisir pour le véhicule. Cependant une modélisation fine implique le plus souvent un coût calculatoire élevé. Dans cet article, nous proposons un modèle de décision capable de représenter fidèlement les informations disponibles tout en fournissant des inférences efficaces de complexité fixe.

Article édité dans l’ouvrage

LFA 2018 - Rencontres francophones sur la Logique Floue et ses Applications

Auteur : Collectif LFA
Contributeurs : 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 : 167735

Analyse Discriminante Imprécise basée sur l'inférence Bayésienne robuste

Auteurs : Yonatan-Carlos Carranza-Alarcon, Sébastien Destercke

L'objectif de cet article est de proposer une nouvelle approche de classification prudente basée sur l'inférence Bayésienne robuste et l'analyse discriminante linéaire. Cette modélisation est conçue pour prendre en compte, dans ses inférences a posteriori, le manque d'information lié aux données. Le principe de cette approche est d'utiliser un ensemble de distributions a priori pour modéliser l'ignorance initiale, plutôt qu'une seule distribution (souvent dite “non-informative”) qui peut fortement influencer les résultats en cas de faible quantité de données. Des premières expériences montrent que l'ajout d'imprécision permet d'être prudent en cas de doute sans pour autant diminuer la qualité du modèle, tout en gardant un temps de calcul raisonnable.

Article édité dans l’ouvrage

LFA 2018 - Rencontres francophones sur la Logique Floue et ses Applications

Un cadre évidentiel générique pour apprendre des préférences multi-critères

Auteur : Sébastien Destercke

La modélisation des préférences d'un décideur à propos d'alternatives multi-critère commence souvent par la collecte d'informations sur ces préférences, qui sont ensuite utilisées pour choisir un modèle issus d'une classe particulière (CP-net, moyenne pondérée). Ces procédures peuvent induire des inconsistances, dues par exemple à l'existence d'informations peu fiables et/ou d'un choix d'une classe de modèle trop restreinte. Nous proposons de résoudre ces problèmes en permettant au décideur d'exprimer une incertitude quand à l'information fournie sur les préférences, sous la forme d'une fonction de croyance.

Article édité dans l’ouvrage

LFA 2017 - Rencontres francophones sur la Logique Floue et ses Applications

Auteur : Collectif LFA
Contributeurs : 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, Kévin 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 : 156604

Quantifier le coût de l'imprécision

Auteurs : Sébastien Destercke, Marie-Hélène Masson, Gen Yang

Un problème récurrent des méthodes (par exemple probabilistes imprécises) qui produisent des prédictions imprécises est leur comparaison, en particulier dans les problémes de classification. En effet, est-il préferable d'avoir une estimation trés imprécise mais fiable (contenant plus souvent la vérité), plutôt qu'une estimation précise mais moins fiable (commettant plus souvent une erreur) ? Dit autrement, comment quantifier la valeur ou le coût de l'imprécision ? Le but de ce papier est d'une part de proposer un ensemble de propriété qu'une telle évaluation devrait satisfaire, et d'autre part de proposer un moyen général de déduire des coûts affectés aux prédictions imprécises, dépendant d'un seul paramètre mesurant la ”prudence” de l'évaluateur.

Article édité dans l’ouvrage

LFA 2016 - Rencontres francophones sur la Logique Floue et ses Applications

Auteur : Collectif LFA
Contributeurs : Olivier Pivert, Slama Olfa, Virginie Thion, Belkasmi Djamal, Allel Hadjali, Hamid Azzoune, Sayda Elmi, Mohamed Anis Bach Tobji, Dalila Koulougli, Allel Hadjali, Boutheina Ben Yaghlane, Benedicte Legastelois, Marie-Jeanne Lesot, Adrien Revault d'Allonnes, Nahla Ben Amor, Didier Dubois, Héla Gouider, Henri Prade, Quentin Brabant, Miguel Couceiro, Trabelsi Asma, Elouedi Zied, Éric Lefevre, Wenlu Yang, Christophe Marsala, Maria Rifqi, Patrick Garda, Andrea Pinna, Sébastien Destercke, Marie-Hélène Masson, Gen Yang, Thi Van Anh Nguyen, Benyamine Allouche, Laurent Vermeiren, Antoine Dequidt, Cung Le, QUOC VIET DANG, Thomas Laurain, Jimmy Lauber, Reinaldo Palhares, Lyna Kherbouche, Mohammed Chadli, Ahmed El Hajjaji, Nicolas Hug, Henri Prade, Gilles Richard, Mathieu Serrurier, Sylvie Galichet, Reda Boukezzoula, Azza Zidi, Nahla Ben Amor, Raouia Ayachi, Nathalie Chetcuti-Sperandio, Fabien Delorme, Sylvain Lagrue, Abdelhak Imoussaten, Benjamin Duthil, François Trousset, Jacky Montmain, Inés Couso, Didier Dubois, Frédéric Pichon, Anne-Laure Jousselme, Lionel Valet, Sylvie Galichet, Rihab Ben Ameur, Didier Coquin, Larbi Kharroubi, Hichem Maaref, Wahid Nouibat, Doha El Hellani, Ahmed El Hajjaji, Roger Ceschi, Jean-Philippe Poli, Laurence Boudet, Guillaume Petiot, Zina Ait Yakoub, Yassine Djouadi, Didier Dubois, Henri Prade, Nahla Ben Amor, Zeineb Elkhalfi, Hélène Fargier, Régis Sabbadin, Arthur Guillon , Marie-Jeanne Lesot, Christophe Marsala, Carl Frélicot, Michel Berthier, Saadallah El-Asmar, Aurélien Moreau, Olivier Pivert, Grégory Smits, Sébastien Lefort, Marie-Jeanne Lesot, Elisabetta Zibetti, Charles Tijus, Marcin Detyniecki, Marcin Detyniecki, Karima Akli-Astouati, Nesrine Sid-Aaddila, Fatima-Zohra Belabdi, Hiba Belhadi, Reda Boukezzoula, Sylvie Galichet, Laurent Foulloy, Mathias Blandeau, Victor Estrada-Manzo, Thierry Marie Guerra, Philippe Pudlo, François Gabrielli, Besma Belhadj, Rémi Losero, Jimmy Lauber, Thierry-Marie Guerra, Pascal Maurel
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : traitement données, IHM, Informatique, intelligence artificielle, Logique floue
Référence : 156509

Mes données sont-elles fiables ? Vers une réponse évidentielle

Auteurs : Patrice Buche, Brigitte Charnomordic, Sébastien Destercke

S'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.

Article édité dans l’ouvrage

LFA 2010

Auteur : Collectif LFA
Contributeurs : 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

Principe d'inclusion-exclusion pour fonctions de croyance : application à la fiabilité

Auteurs : Felipe Aguirre, Sébastien Destercke, Mohamed Sallak, Walter Schon

Un des inconvénients majeurs de l'utilisation des théories probabilistes imprécises est le coût calculatoire qui leur est associé. Pour réduire ce coût, il est intéressant de savoir sous quelles conditions certaines propriétés des probabilités classiques qui facilient le calcul sont conservées par des représentations probabilistes imprécises. Dans cet article, nous étudions sous quelles conditions le principe d'inclusion-exclusion (ou égalité de Poincaré) est satisfait par des fonctions de croyances. Nous illustrons ensuite un cadre pratique dans lequel ces conditions sont satisfaites : la fiabilité des systèmes. One of the main drawback of imprecise probability theories is the computational burden associated with their use. To reduce this cost, it is useful to know under which conditions some properties of classical probabilities used in calculations can be extended to imprecise probabilistic frameworks. In this paper, we focus on the inclusionexclusion principle (a.k.a. Poincaré equality) and the conditions under which belief functions do satisfy it. We then show that the results can be applied to the particular framework of system reliability.

Article édité dans l’ouvrage

LFA 2012

Auteur : Collectif LFA
Contributeurs : 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 : 104730

Arbres de classification construits à partir de fonctions de croyance

Auteurs : Nicolas Sutton-Charani, Sébastien Destercke, Thierry Denoeux

Les arbres de décision sont des classifieurs très populaires. Dans cet article, nous étendons une méthode de construction d'arbres de décision à deux classes, basés sur les fonctions de croyance, au cas multi-classe. Nous proposons pour cela trois extensions possibles : combiner des arbres à deux classes ou directement étendre l'estimation des fonctions de croyance au sein de l'arbre au cadre multi-classe. Des expériences sont effectuées de manière à comparer ces arbres aux arbres de décision classiques Decision trees are popular classification methods. In this paper, we extend to multi-class problems a decision tree method based on belief functions previously described for two-class problems only. We propose three possible extensions : combining multiple two-class trees together and directly extending the estimation of belief functions within the tree to the multi-class setting. We provide experiments, results and compare them to usual decision trees.

Article édité dans l’ouvrage

LFA 2012

L'application des dichotomies emboitées a la classification avec des intervalles de probabilités

Auteurs : Gen Yang, Sébastien Destercke, Marie-Hélène Masson

La décomposition binaire consiste à transformer un problème de classification multiclasse en une série de problèmes binaires plus simples. Cette technique peut fournir cependant des estimations de probabilités conditionnelles binaires inconsistantes entre elles. Les dichotomies emboîtées, qui proposent une décomposition arborescente, permettent d'éviter cet inconvénient. Cependant, une mauvaise estimation des probabilités dans l'arbre peut toujours biaiser les prédictions. Pour remédier à ce problème, nous proposons de considérer les dichotomies emboîtées avec des intervalles de probabilit és. Les expériences montrent que cette approche a plusieurs avantages : inférences plus prudentes quand peu d'information est disponible, et calcul avec des intervalles de probabilités plus efficaces quand des fonctions de coûts génériques sont considérées. Binary decomposition techniques transform a multiclass problem into several simpler binary problems. In such techniques, a classical issue is to ensure the consistency between the binary assessments of conditional probabilities. Nested dichotomies, which consider treeshaped decomposition, do not suffer from this issue. Yet, a wrong probability estimate in the tree can strongly biase the predictions. To overcome this issue, we consider in this paper imprecise nested dichotomies, in which binary probabilities become imprecise. We show in experiments that the approach has many advantages : it provides cautious inferences when only little information is available, and allows to make efficient computations with imprecise probabilities even when considering generic cost functions.

Article édité dans l’ouvrage

LFA 2014

Auteur : Collectif LFA
Contributeurs : Bernard Fustier, Trevor Martin, Serge Boverie, Paul-Antoine Bisgambiglia, Dominique Urbani, Éric Innocenti, Mohammed Boumediene, Jean-Philippe Lauffenburger, Jérémie Daniel, Christophe Cudel, Liviu-Cristian Duţu, Gilles Mauris, Philippe Bolon, Stéphanie Dabic, Jean-Marc Tissot, Jérôme Dutozia, Karine Emsellem, Christine Voiron-Canicio, Olivier Pivert, Grégory Smits, Aurélien Moreau, Hélène Jaudoin, Ludovic Liétard, Daniel Rocacher, Allel Hadjali, Pierre Nerzic, Grégory Smits, Olivier Pivert, Nahla Ben Amor, Fatma Essghaier, Hélène Fargier, Nahla Ben Amor, Zeineb Elkhalfi, Hélène Fargier, Wided Guezguez, Didier Dubois, Zied Elouedi, Rim Hentech, Henri Prade, Tomáš Kroupa, Bruno Teheux, Gilles Moyse, Marie-Jeanne Lesot, Bernadette Bouchon-Meunier , Grégory Smits, Olivier Pivert, Marie-Jeanne Lesot, Éric Lefevre, Frédéric Pichon, David Mercier, Zied Elouedi, Benjamin Quost, Gen Yang, Sébastien Destercke, Marie-Hélène Masson, Isabelle Bloch, Jamal Atif, Amal Oudni, Marie-Jeanne Lesot, Maria Rifqi, Olivier Strauss, Farès Graba, Frédéric Comby, Benyamine Allouche, Laurent Vermeiren, Antoine Dequidt, Michel Dambrine, Abdelmadjid Cherifi, Laurent Arcese, Kévin Guelton, Victor Estrada-Manzo, Zsofia Lendek, Thierry Marie Guerra, Raymundo Márquez, V. Campos, Thierry Marie Guerra, R. Palhares, Alexandre Kruszewski, Miguel Bernal, AnhTu Nguyen, Antoine Dequidt, Jimmy Lauber, Stefan Janaqi, Sébastien Harispe, Jacky Montmain, Sylvie Ranwez, Safia Bal-Bourai, Aïcha Mokhtari, Didier Dubois, Henri Prade, Agnès Rico, Salem Benferhat, Karim Tabia, Zied Bouraoui, Saïd Jabbour, Yue Ma, Badran Raddaoui, Lakdhar Sais, Oumaima Boussarsar, Imen Boukhris, Zied Elouedi, Nahla Ben Amor, Didier Dubois, Héla Gouider, Henri Prade, Asma Belhadi, Didier Dubois, Faiza Khellaf-Hamed, Faiza Khellaf-Hamed, Henri Prade, Matteo Caglioni, Didier Dubois, Giovanni Fusco
Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, traitement données, Logique floue
Référence : 115618