ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 21/1 - 2007  - pp.75-106  - doi:10.3166/ria.21.75-106
TITRE
Les systèmes de classeurs

RÉSUMÉ
Les systèmes de classeurs sont des systèmes à base de règles de production qui construisent leur ensemble de règles de façon automatique. Initialement, ces systèmes visaient à modéliser l'émergence de capacités cognitives à l'aide de mécanismes adaptatifs, en particulier évolutionnistes. Suite à un renouveau de la problématique mettant davantage l'accent sur l'apprentissage, les systèmes de classeurs ont été vus ensuite comme des outils capables de traiter des problèmes de décision séquentielle de façon compacte, en représentant l'état comme composé d'observables différenciées qu'un agent peut choisir de prendre en compte ou non. Enfin, beaucoup plus récemment, les systèmes de classeurs se sont avérés très efficaces pour résoudre des problèmes de classification automatique, ce qui dynamise le champ de recherche correspondant. Dans ce contexte, l'objet de cette contribution est de présenter l'état de la recherche sur les systèmes de classeurs en insistant sur les développements les plus récents, en insistant sur la décision séquentielle plutôt que sur la classification automatique.


ABSTRACT
Learning Classifier Systems (LCSs) are rule-based systems that automatically build their ruleset. Initially, LCSs were dedicated to the modelling of the emergence of cognitive abilities thanks to adaptive mechanisms, particularly evolutionary processes. After a renewal of the field more focused on learning, LCSs have been reconsidered as sequential decision problem solving systems endowed with a generalization property. Finally, much more recently, LCSs have proved very efficient at solving classification tasks, which boosted the field. In this context, the aim of this contribution is to present the state-of-the-art of LCSs, insisting on recent developments, and focusing more on the sequential decision domain than on automatic classification.


AUTEUR(S)
Olivier SIGAUD

MOTS-CLÉS
systèmes de classeurs, apprentissage par renforcement, généralisation.

KEYWORDS
Learning classifier systems, reinforcement learning, generalization.

CITATIONS
ria.revuesonline.com/revues/30/citation/9403.html

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (231 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier