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.

分类系统基于参与该小组选区的人们的自动机构，分类系统基于以下事实：这是学生的优先事实。 RECOURSàDesDonnéesD'D'Astrentissage。 Ce qui n'est pas le cas des nouvelles ithodes d de Grentificempruntéesauxréseauxde Neurones Artificiels。 Cesdernières，dévelodpéespar des non Statisticiens，Connaissent Un GrandEssorà原因，Entre Autres，de LeuraurPacipacitéd'Astressage，deModélisationand deRéduction。 et pourtant，peu d'ouvrages statistiques sontdédiésàétablirle lien end en en en en tre les lesméthodesstatistiques et les ithodes neuronales。倒入yremédier，加上critèresontétédéfinisetpososésdanslaLittérature。 En 2014年，nous avons fait lasynthèsede ces princionalauxcritèresen reprenant toutes les basesthéoriqueset en les ins insintégrantdan une une nouvelle librairie librairie r«nbclust»。 l'obsportif est de rassembler tous les les是SAS的独立性，这是责任的来源，是尚未得到验证的四岁儿童的清单。依靠nbclust»的c依赖者，“ nbclust»comme”和Critée的免费定律是互补的，包括神经元的神经痛以及CritéeDela affiliates的分类。该问题的分类的重要性应被理解为差异的栖息地。***该问题的原则是比较现状。分类系统的分类的重要性应详细解释。***分类系统的重要性应详细解释。分类和细胞desRéseauxde Neurones非主管。 ce qui permettra，notamment，d'étendrel'étudequi amené -mise la mise en eevre de«nbclust»àdesMéthodesdeMéthodesde classifience de nontraciques non classiques non savoir leslesMéthodesprobabilistes et neuronales。 de plus，nousCansidéreronsDifférentesMESERES de Ressemblance etdifférents代码Selon la nature et la espace derepredennées。*** ainsi，分析分析比较捐助者的各个领域。分析与包括政府和政府政府在内的捐助者的人民相比。