Sites Inria

English version

Equipe de recherche TAU

TAckling the Underspecified

Présentation de l'équipe

  • L'apprentissage peut être vu comme un problème d'optimisation. La difficulté centrale, qui fait l'objet de l'apprentissage statistique, est que la fonction à optimiser est imparfaitement connue (erreur en généralisation).
  • L'optimisation par évolution artificielle, dans le but de prendre en compte les besoins spécifiques de l'optimisation multi-objectifs, de l'optimisation sous contraintes, de la co-évolution, s'appuie sur le stockage et l'exploitation d'une archive des solutions rencontrées. Une gestion et une exploitation efficace de cette archive fait naturellement partie des vocations de l'apprentissage.
L'équipe-projet TAO résulte de la volonté d'une partie du projet FRACTALES de l'INRIA Rocquencourt et d'une partie de l'équipe Inference et Apprentissage du LRI Orsay de mettre en commun leurs compétences dans les domaines de l'apprentissage à partir de données et de l'optimisation par évolution artificielle pour concrétiser cette synergie entre les deux domaines.

Axes de recherche

Les principaux axes applicatifs sont le contrôle de processus (après avoir caractérisé les pannes d'un processus, la question devient de minimiser le taux de pannes), des applications médicales telles la prédiction des réadmissions hospitalières, et le contrôle avancé en robotique.

Logiciels

Relations industrielles et internationales

Les membres de l'équipe-projet TAO sont actifs dans des réseaux d'excellence européens tels Evonet et KDNet (FP5), ou PASCAL (projet FP6).

Mots-clés : Apprentissage Optimisation par évolution artificielle Fouille de données

Suivez Inria tout au long de son 50e anniversaire et au-delà !