Participants : Jacques Nicolas, Laurent Miclet, Jean-Yves Giordano, Robin Gras, Catherine Belleannée, Raoul Vorc'h, Basaveneppa Tallur
Le but de l'apprentissage automatique supervisé consiste à produire une ou plusieurs règles de classification permettant la discrimination d'un ensemble de classes données. Comme pour les techniques de discrimination statistiques classiques, ces règles sont formulées à partir de l'observation d'un ensemble d'apprentissage de couples (description d'élément, classe à laquelle appartient l'élément). L'originalité de l'approche provient de la variété et de la complexité des langages de règles acceptés.
Nous nous intéressons ainsi à deux types de problèmes qui
requièrent des capacités de discrimination élevées.
Le premier problème concerne la discrimination dans les séquences
et fait essentiellement appel à des techniques d'inférence
grammaticale. Le second concerne la démonstration automatique. Il
est fondé sur la détection de régularités logiques dans les
formules ou dans le processus de démonstration lui-même.
L'originalité de notre apport s'articule autour de deux points :