Améliorer les performances et la capacité de généralisation des modèles d'intelligence artificielle

Improving performance and generalizability of artificial intelligence models

• Auteur / Autrice : Guillaume Schmit
• Direction : Armelle Brun, Mathieu D'aquin
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 14/11/2023
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
• Partenaire(s) de recherche : Laboratoire : LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
• Partenaire(s) de recherche : Equipe de recherche : BIRD

Mots clés

Mots clés libres

Intelligence artificielle

Apprentissage automatique

Généralisation

Artificial intelligence

Machine learning

Generalization

Résumé

L'objectif de cette thèse est en premier lieu théorique et méthodologique. Elle consistera à mener une recherche sur les méthodes utilisées pour générer des bases de données, ainsi que sur les modèles et algorithmes permettant d'identifier des variables intermédiaires donnant un sens physique à des sous-domaines de configurations paramétriques. Il s'agit en particulier de mettre en place des méthodologies d'analyse de données, de représentation des connaissances et de recommandation permettant de cibler plus précisément les paramètres à utiliser dans la réalisation de simulations afin d'améliorer les performances et la capacité de généralisation des modèles d'intelligence artificielle utilisés.

The objective of this thesis is primarily theoretical and methodological. It will consist in conducting research on the methods used to generate databases, as well as on models and algorithms to identify intermediate variables giving a physical meaning to subdomains of parametric configurations. In particular, it is a question of setting up data analysis methodologies, knowledge representation and recommendation to target more precisely the parameters to be used in the realization of simulations in order to improve the performance and the generalization capacity of the artificial intelligence models used.