 |
 |
 |
 |
 |
 |
 |
 |
 |
| Titre | Apprentissage incrémental et adaptatif pour la surveillance en ligne de logiciels embarqués |
| Auteur(s) | Laurence Rozé et Marie-Odile Cordier |
| Début | octobre 2011 - attribué |
| Description | Le stage de master proposé porte sur l'apprentissage incrémental de règles de classification, capable de prendre en compte l'évolution du concept cible (concept change). Ce problème est tout à fait crucial pour l'analyse des flux de données, puisqu'il faut construire un modèle de manière incrémentale, tout en permettant une évolution du système surveillé. Sachant que tous les exemples (instances) ne peuvent pas être sauvegardés, un point à étudier de manière approfondie est de définir ceux qui doivent être conservé et sous quelle forme (partial instance memory). Une difficulté supplémentaire et peu étudiée est celle de la modification de la distribution des exemples au cours du temps, due par exemple à un phénomène de masquage de certains exemples.
Ce sujet sera étudié dans le cadre de la surveillance en ligne d'une flotte de mobiles de type smartphones. Les logiciels de surveillance, qui ont en charge la détection et la prévention de dysfonctionnements, sont embarqués et doivent être régulièrement remis à jour afin de maintenir une qualité de service dans un contexte évolutif. Des rapports de fonctionnement, envoyés à intervalle régulier à un serveur, servent d'exemples et de contre-exemples pour l'apprentissage incrémental et adaptatif des règles de surveillance. Il fat tenir compte de l'évolution des matériels, mais aussi des actions préventives qui masquent les dysfonctionnements.
Le stage consistera en une étude bibliographique sur l'apprentissage incrémental, en particulier dans le cas d'évolution de concept des des flux de données. Il s'agira de proposer un mode de mémorisation des exemples passés pertinents (historique) puis de proposer un algorithme d'apprentissage incrémental tirant parti de cet historique. Bibliographie : [Salperwick-Lemaire:EGC2009] Ch. Salperwyck, V. Lemaire. Classification incrémentale supervisée: un panel introductif, Actes de EGC'09, 2009, to appear in a special issue of the "Revue des Nouvelles Technologies de l'Information" http://perso.rd.francetelecom.fr/lemaire/publis/rnti_2011_camera_ready.pdf [Gama:book2010] J. Gama, Knowledge discovery from data streams, University of Porto, Portugal [Gama:NGDM2007] J. Gama, Issues and Challenges in Learning from Data Streams : Extended Abstract. NGDM, poster, 2007. http://www.cs.umbc.edu/~hillol/NGDM07/abstracts/poster/JGama.pdf [Widmer-Kubat:ML1996] G. Widmer, M. Kubat, Learning in the Presence of Concept Drift and Hidden Concepts, Machine Learning, 23, 69-101, 1996. [Maloof-Michalski:AIJ2004] M. A. Maloof, R. S. Michalski, Incremental Learning with partial instance memory, Artificial Intelligence, vol. 154, 95-126. [Schlimmer-Granger:AAAI'86] J. C. Schlimmer, R. H. Granger, Beyond incremental processing: Tracking concept drift. Proceedings of AAAI'86, pp. 502-507 [Ferreretal:SAC2006] F. Ferrer-Troyano, J. S. Aguilar-Ruiz, J. C. Riquelme, Data Streams Classification by Incremental Rule Learning with Parameterized Generalization, Proceedings of SAC'06, pp. 657-661, 2006. Mots cles : incremental learning, data streams, concept drift, adaptive learning algorithms, partial instance memory, classification rules Contact : Laurence Rozé et/ou Marie-Odile Cordier {roze,cordier}@irisa.fr |
|
Ce site est maintenu par René Quiniou au moyen du système Weave développé au sein du projet Caravel : http://www-caravel.inria.fr. Dernière modification : 07-10-2011 09:54:25 | English version |