Classification, réseaux de neurones et science des données

分类、神经元研究和科学

• 批准号: RGPIN-2018-06245
• 负责人: Ghazzali, Nadia
• 金额: $ 1.17万
• 依托单位: Université du Québec à Trois-Rivières
• 依托单位国家: 加拿大
• 项目类别: Discovery Grants Program - Individual
• 财政年份: 2019
• 资助国家: 加拿大
• 起止时间: 2019-01-01 至 2020-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=675718
• 关键词: Classification; seaux; de; neurones; et

La classification automatique est constituée essentiellement de méthodes et d'algorithmes qui consistent à donner le meilleur groupement en classes de l'ensemble à étudier. Qu'il s'agisse de méthodes de classification hiérarchique ou non hiérarchique, la formation des classes se fait de façon non supervisée dans le sens où les critères d'agrégation des classes n'utilisent pas de connaissance a priori présente dans les données et n'ont donc pas recours à des données d'apprentissage. Ce qui n'est pas le cas des nouvelles méthodes de classification empruntées aux réseaux de neurones artificiels. Ces dernières, développées par des non statisticiens, connaissent un grand essor à cause, entre autres, de leur capacité d'apprentissage, de modélisation et de réduction. Et pourtant, peu d'ouvrages statistiques sont dédiés à établir le lien entre les méthodes statistiques et les méthodes neuronales.***à toutes ces méthodes classiques et nouvelles s'associe le problème fondamental du choix du nombre de classes. Pour y remédier, plusieurs critères ont été définis et proposés dans la littérature. En 2014, nous avons fait la synthèse de ces principaux critères en reprenant toutes les bases théoriques et en les intégrant dans une nouvelle librairie R «NbClust». L'objectif est de rassembler tous les indices implémentés dans le logiciel SAS ou dans les libraires R, et d'y ajouter de nouveaux indices afin de fournir à l'utilisateur une liste de 30 critères de validation lui permettant d'estimer le bon nombre de classes dans un jeu de données. Cependant, «NbClust» comme d'ailleurs les critères qui y sont sous--jacents ne prennent pas en compte les méthodes neuronales et ne considèrent que des critères classiques d'agrégation des classes et des mesures habituelles de distances ou de dissimilarités.***Le but principal de ce projet de recherche est de développer un cadre théorique de comparaison entre les méthodes statistiques et neuronales. Il vise également à répondre à la problématique de la détermination du nombre de classes et concerne les aspects formels de la classification.***Spécifiquement, il s'agit d'approfondir les bases théoriques des méthodes de mélange de densités en classification et celles des réseaux de neurones non supervisés. Ce qui permettra, notamment, d'étendre l'étude qui a mené à la mise en oeuvre de «NbClust» à des méthodes de classification non classiques, à savoir les méthodes probabilistes et neuronales. De plus, nous considérerons différentes mesures de ressemblance et différents codages selon la nature et l'espace de représentation des données.***Ainsi, diverses modélisations statistiques des données seront étudiées. D'ailleurs, nous considérerons diverses mesures de centralité en fonction de la nature des données à étudier. Des analyses comparatives seront menées sur des données simulées et des données réelles issues du domaine de reconnaissance des formes et des réseaux.

自动分类是方法和算法的基本组成部分，与学习者的班级中的最佳分组保持一致。不使用先验知识的班级聚合标准，但不建议学徒学习。最后，非统计的发展，认识到事业的重大意义，其他方面，学生能力、模型化和简化的能力。统计和神经元方法。***这是分类方法和新问题协会的经典方法。其主要标准的综合主要体现在《NbClust》的新图书馆中的理论基础和整体性。 Cependant，《NbClust》comme d'ailleurs les critères qui y sont sous--jacents ne prennent pas en compte神经元的方法和分类标准的标准以及距离或不同的习惯测量方法。解决类别名称确定问题以及非监督神经元分类方面的问题。以下是《NbClust》的所有作品中的一些注释，其中包括非经典分类方法，以及自然等方面的概率方法和神经元方法。 l'espace de representation des données.*** Ainsi，données seront étudiées 的多种统计模型。请注意以下问题：形式和房屋勘察领域。