Chapitre III
Tsunamis et leur simulation à l’aide du logiciel VOLNA
33
– Formellement, on souhaite donc déterminer argmax x (f(x)) dans un domaine discret des
valeurs, et pour lequel on connait f partiellement grâce aux données initiales.
– Nous allons donc avoir recours à l’apprentissage statistique, pour essayer de déterminer cette
fonction f telle que, pour X les données et Y les résultats, f(X) soit le plus proche possible de Y.
– Il devient également nécessaire de trouver différentes méthodes afin de diminuer le temps
Computationnel au cours d’une expérience, soit en d’autres termes, choisir intelligemment les
points que l’on demande à VOLNA. Il sont donc avoir recours à l’apprentissage actif.
Ils sont donc dans un premier temps ils pencher sur l’aspect théorique de l’apprentissage
statistique afin de mieux cerner les outils mathématiques qu’ils utiliseront par la suite. Ils
arriveront dans un second temps à l’étude de l’apprentissage actif en classification et en
régression pour ensuite pouvoir aussi bien adapter leur problème à des algorithmes déjà étudié
que créer leur propre algorithme de régression actif. Ils exposeront enfin les résultats
expérimentaux, sur plusieurs bases de données réelles et artificielles, afin de souligner
l’efficacité et la pertinence de certaine méthode à l’instar de certaines autres.
Tsunamis et leur simulation à l’aide du logiciel VOLNA
33
– Formellement, on souhaite donc déterminer argmax x (f(x)) dans un domaine discret des
valeurs, et pour lequel on connait f partiellement grâce aux données initiales.
– Nous allons donc avoir recours à l’apprentissage statistique, pour essayer de déterminer cette
fonction f telle que, pour X les données et Y les résultats, f(X) soit le plus proche possible de Y.
– Il devient également nécessaire de trouver différentes méthodes afin de diminuer le temps
Computationnel au cours d’une expérience, soit en d’autres termes, choisir intelligemment les
points que l’on demande à VOLNA. Il sont donc avoir recours à l’apprentissage actif.
Ils sont donc dans un premier temps ils pencher sur l’aspect théorique de l’apprentissage
statistique afin de mieux cerner les outils mathématiques qu’ils utiliseront par la suite. Ils
arriveront dans un second temps à l’étude de l’apprentissage actif en classification et en
régression pour ensuite pouvoir aussi bien adapter leur problème à des algorithmes déjà étudié
que créer leur propre algorithme de régression actif. Ils exposeront enfin les résultats
expérimentaux, sur plusieurs bases de données réelles et artificielles, afin de souligner
l’efficacité et la pertinence de certaine méthode à l’instar de certaines autres.