Acquisition de contraintes et réseaux de neurones

Constraint acquisition and neural networks

• Auteur / Autrice : Areski Himeur
• Direction : Christian Bessiere
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/09/2021
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)
• Partenaire(s) de recherche : Equipe de recherche : Département Informatique

Mots clés

Mots clés libres

Apprentissage automatique

Programmation par contraintes

Acquisition de contraintes

Réseau de neurones

Machine learning

Constraint programming

Constraint acquisition

Neural network

Résumé

L'objectif de cette thèse est triple. Dans un premier temps, il s'agit d'étudier de nouveaux types de requêtes que l'on peut poser à un utilisateur pour l'acquisition de contraintes. Le second volet de cette thèse porte sur la compréhension des atouts et faiblesses des réseaux de neurones pour apprendre à classifier des données ayant une structure combinatoire. Le troisième volet porte sur la réalisation d'un logiciel d'acquisition capable de s'adapter aux besoins des industriels pour apprendre et résoudre automatiquement des problèmes.

The objective of this thesis is threefold. First, it is to study new types of queries that can be asked to a user for the constraint acquisition. The second part of this thesis focuses on the understanding of the strengths and weaknesses of neural networks for learning to classify data with a combinatorial structure. The third part of the thesis focuses on the development of an acquisition software capable of adapting to the needs of industrialists to learn and solve problems automatically.