Contribution à la modélisation par les machines d'apprentissage

La plupart des problèmes sont modélisables mathématiquement, mais ces modèles exigent des hypothèses parfois trop restrictives; rendant délicate leur application au monde réel.

Les problèmes réels doivent tenir compte d’informations imprécises, et de données incertaines, dans ce contexte les méthodes d’apprentissage apportent une véritable valeur ajoutée.

Ce travail s’intéresse aux machines d’apprentissage et leurs applications et plus spécialement les modèles de la logique floue (Fuzzy models).

Les travaux réalisés dans le cadre de ce mémoire sont des contributions à l’aide à la décision.

Les méthodes proposées sont des hybridations des méthodes d’apprentissage avec d’autres méthodes classiques, qui sont appliqués dans différents domaines (Trading quantitative; Microcrédit; Reconnaissance de visage; ...).