suivant:
Introduction
monter:
Apprentissage d'objectif (AO)
précédent:
Conclusion
Table des matières
Algorithme d'AO défini dans un contexte idéal
Sous-sections
Introduction
Idée directrice du chapitre
Genèse de l'algorithme CbL - utilisation de notre méthodologie
Guide de ce chapitre
Description de l'algorithme CbL
Méthodologie
Notations
Marquage des états du système
Contraintes du système subissant l'AO
Algorithme d'apprentissage CbL
Résultats théoriques concernant l'algorithme CbL(1)
Problèmes théoriques
Convergence de la phase de propagation donnée par l'algorithme 2.1
Cas d'unicité de l'ensemble des valeurs des marquages obtenues grâce à l'algorithme de propagation
Signification de la valeur des marquages
Exploration de l'espace d'états
Convergence et prédictibilité de l'algorithme CbL
Utilisation de l'algorithme CbL(
)
Propriété d'incrémentalité de l'algorithme CbL
Qu'entendons-nous par ``incrémentalité'' ?
Découverte de la suppression d'une cible
Découverte de l'ajout d'une cible
Découverte de la suppression d'un obstacle
Découverte de l'ajout d'un obstacle
Conclusion: lien entre la capacité d'incrémentalité de l'algorithme CbL et l'invariant structurel engendré par (
)
Problème du labyrinthe
Introduction
Position du problème
Protocole d'apprentissage
Résultats
Problème de navigation d'un robot mobile
Introduction
Position du problème
Préparation du contexte d'apprentissage pour le problème de navigation du robot Khepera
Protocole expérimental
Résultats
Conclusion
2002-03-01
)
)