Author: "Sebag, Michèle" - Searchworks@Jio Institute Digital Library Search Results

Your search keyword '"Sebag, Michèle"' showing total 584 results

Start Over Author "Sebag, Michèle"

584 results on '"Sebag, Michèle"'

201. Continuous Rapid Action Value Estimates

Author: Couetoux, Adrien, Milone, Mario, Brendel, Matyas, Doghmen, Hassen, Sebag, Michèle, Teytaud, Olivier, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Machine Learning and Optimisation (TAO), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Chun-Nan Hsu and Wee Sun Lee, Grid'5000, Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), and Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec
Subjects: reinforcement learning, Rapid Action-Value Estimates, continuous domains, [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC]
Abstract: International audience; In the last decade, Monte-Carlo Tree Search (MCTS) has revolutionized the domain of large-scale Markov Decision Process problems. MCTS most often uses the Upper Conﬁdence Tree algorithm to handle the exploration versus exploitation trade-off, while a few heuristics are used to guide the exploration in large search spaces. Among these heuristics is Rapid Action Value Estimate (RAVE). This paper is concerned with extending the RAVE heuristics to continuous action and state spaces. The approach is experimentally validated on two artiﬁcial benchmark problems: the treasure hunt game, and a real-world energy management problem.
Published: 2011

202. Emergence of Temporal and Spatial Synchronous Behaviors in a Foraging Swarm

Author: Chevallier, Sylvain, Bredeche, Nicolas, Paugam-Moisy, Hélène, Sebag, Michèle, Université Paris-Sud - Paris 11 (UP11), Machine Learning and Optimisation (TAO), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Data Mining and Machine Learning (DM2L), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Institut des Sciences Cognitives (ISC), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), European Project: 216342,EC:FP7:ICT,FP7-ICT-2007-1,SYMBRION(2008), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Université de Lyon
Subjects: [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; Biological populations often exhibit complex and efﬁcient behaviors, where temporal and spatial couplings at the macro-scale population level emerge from interactions at the micro-scale individual level, without any centralized control. This paper speciﬁcally investigates the emergence of behavioral synchronization and the division of labor in a foraging swarm of robotic agents. A deterministic model is proposed and used by each agent to decide whether it goes foraging, based on local cues about its fellow ants' behavior. This individual model, based on the competition of two spiking neurons, results in a self-organized division of labor at the population level. Depending on the strength and occurrences of interactions among individuals, the population behavior displays either an asynchronous, or a synchronous aperiodic, or a synchronous periodic division of labor. Further, the beneﬁts of synchronized individual behaviors in terms of overall foraging efﬁciency are highlighted in a 2D spatial simulation.
Published: 2011

203. SpikeAnts : un réseau de neurones impulsionnels pour modéliser l'émergence de l'organisation

Author: Chevallier, Sylvain, Paugam-Moisy, Helene, Sebag, Michèle, Machine Learning and Optimisation (TAO), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Data Mining and Machine Learning (DM2L), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)
Subjects: division of labor, emergent synchronization, decision-making process, spiking neurons, [INFO.INFO-MA]Computer Science [cs]/Multiagent Systems [cs.MA], [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE]
Abstract: National audience; La notion d'organisation émergente est au coeur d'un grand nombre de systèmes complexes, des assemblées neuronales aux colonies d'insectes. Les Réseaux de Neurones Impulsionnels (RNI) constituent d'excellents candidats pour modéliser l'émergence de dynamiques collectives dans les systèmes complexes, car les interactions temporelles sont placées au centre du processus de traitement de l'information mis en oeuvre dans ces réseaux. Un modèle spatio-temporel, baptisé SpikeAnts, est proposé pour reproduire la synchronisation d'activités émergentes dans une colonie d'insectes sociaux. Dans ce modèle parcimonieux, chaque fourmi-agent est modélisée par seulement deux neurones impulsionnels et la colonie constitue un réseau à connectivité éparse. Les décisions individuelles résultent de la compétition entre les deux neurones d'un agent qui reçoivent des informations locales émanant des agents voisins. À l'échelle de la population, le couplage spatio-temporel donne lieu à trois types de comportements -- asynchrone, synchrone apériodique et synchrone périodique -- proches des comportements observés dans les colonies de fourmis. Un diagramme de phase présente l'émergence de ces comportements en fonction de deux paramètres de contrôle, modélisant respectivement la sociabilité et la réceptivité d'une fourmi.
Published: 2010

204. Unsupervised Layer-Wise Model Selection in Deep Neural Networks

Author: Arnold, Ludovic, Paugam-Moisy, Hélène, Sebag, Michèle, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Machine Learning and Optimisation (TAO), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Data Mining and Machine Learning (DM2L), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), ANR-09-EMER-0001,ASAP,Apprentissage Statistique par une Architecture Profonde(2009), European Project: 216886,EC:FP7:ICT,FP7-ICT-2007-1,PASCAL2(2008), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Deep Neural Networks, Learning, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], Model Selection
Abstract: International audience; Deep Neural Networks (DNN) propose a new and efficient ML architecture based on the layer-wise building of several representation layers. A critical issue for DNNs remains model selection, e.g. selecting the number of neurons in each DNN layer. The hyper-parameter search space exponentially increases with the number of layers, making the popular grid search-based approach used for finding good hyper-parameter values intractable. The question investigated in this paper is whether the unsupervised, layer-wise methodology used to train a DNN can be extended to model selection as well. The proposed approach, considering an unsupervised criterion, empirically examines whether model selection is a modular optimization problem, and can be tackled in a layer-wise manner. Preliminary results on the MNIST data set suggest the answer is positive. Further, some unexpected results regarding the optimal size of layers depending on the training process, are reported and discussed.
Published: 2010

205. Ensemble learning for brain computer-interface using uncooperative democratic echo state communities

Author: GOUY-PAILLER, Cédric, Sebag, Michèle, Souloumiac, Antoine, Larue, Anthony, Machine Learning and Optimisation (TAO), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Laboratoire Outils d'Analyse des Données (LOAD), Département Métrologie Instrumentation & Information (DM2I), Laboratoire d'Intégration des Systèmes et des Technologies (LIST (CEA)), Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Laboratoire d'Intégration des Systèmes et des Technologies (LIST (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Digibrain project funded by Digiteo-Ile de France, ANR-09-CORD-0017,OpenViBE2,OpenViBE2 : adaptation automatique du contenu et de l'interaction avec les univers virtuels à partir de l'activité cérébrale de l'utilisateur(2009), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Laboratoire d'Intégration des Systèmes et des Technologies (LIST), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Laboratoire d'Intégration des Systèmes et des Technologies (LIST), Fourcaud-Trocmé, Nicolas, Contenu et interaction - OpenViBE2 : adaptation automatique du contenu et de l'interaction avec les univers virtuels à partir de l'activité cérébrale de l'utilisateur - - OpenViBE22009 - ANR-09-CORD-0017 - CORD - VALID, CentraleSupélec-Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, and CentraleSupélec-Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Brain-Computer Interface, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, neural network, subsampling, Echo State Network, spectrum analysis, System dynamics, BMI, statistical analysis, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, aggressive subsampling, [SDV.NEU] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], EEG, signal processing, Neural fields and attractor networks, [STAT.ME] Statistics [stat]/Methodology [stat.ME], Uncooperative Democratic Echo State Community (UDESC), signal classification, Action selection, logistic regression, Electroencephalography, artificial intelligence, machine learning, classification, Brain-Computer Interfaces, ensemble learning, [SDV.NEU]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], distributed learning, [STAT.ME]Statistics [stat]/Methodology [stat.ME]
Abstract: This paper deals with the issue of features construction and selection for signals acquired during non-invasive Brain-Computer Interface (BCI) experiments. The so-called Echo State Network (ESN) architecture, a reservoir computing approach proposed by H. Jaeger in 2001, is first adapted to the specific issue of EEG signals classification. In order to predict the performed task, a commonly used ESN architecture is combined with regularized logistic regression trained following aggressive subsampling principles. The resulting method is shown to significantly outperform classification rates obtained using raw EEG signals. Basic single ESNs are then integrated to take advantage of ensemble learning techniques and aggressive subsampling principles. The resulting new architecture, called Uncooperative Democratic Echo State Community (UDESC), constitutes one of the first attempt to provide an efficient subject-independent features construction algorithm. Based on the generative power of individual ESNs as well as the discriminative abilities of ensemble learning combined with aggressive subsampling, it is shown to advantageously integrate the knowledge acquired by each single ESN. The results shown along this paper make an extensive use of a real training dataset made available to the BCI community during BCI Competition 2008. This dataset consists of four subjects involved in a two-class motor-imagery BCI experiments.
Published: 2010

206. Building Portfolios for the Protein Structure Prediction Problem

Author: Arbelaez, Alejandro, Hamadi, Youssef, Sebag, Michèle, Microsoft Research - Inria Joint Centre (MSR - INRIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Microsoft Research Laboratory Cambridge-Microsoft Corporation [Redmond, Wash.], Microsoft Research [Cambridge] (Microsoft), Microsoft Research, Machine Learning and Optimisation (TAO), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), and Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec
Subjects: [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; This paper, concerned with the protein structure prediction problem, aims at automatically selecting the Constraint Satisfaction algorithm best suited to the problem instance at hand. The contribution is twofold. Firstly, the selection criterion is the quality (minimal cost) in expectation of the solution found after a fixed amount of time, as opposed to the expected runtime. Secondly, the presented approach, based on supervised Machine Learning algorithms, considers the original description of the protein structure problem, as opposed to the features related to the SAT or CSP encoding of the problem.
Published: 2010

207. Feature Selection as a One-Player Game

Author: Gaudel, Romaric, Sebag, Michèle, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Machine Learning and Optimisation (TAO), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: feature selection, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], combinatorial optimization, Upper Bound confidence Tree
Abstract: International audience; This paper formalizes Feature Selection as a Reinforcement Learning problem, leading to a provably optimal though intractable selection policy. As a second contribution, this paper presents an approximation thereof, based on a one-player game approach and relying on the Monte-Carlo tree search UCT (Upper Confidence Tree) proposed by Kocsis and Szepesvari (2006). The Feature Uct SElection (FUSE) algorithm extends UCT to deal with i) a finite unknown horizon (the target number of relevant features); ii) the huge branching factor of the search tree, reflecting the size of the feature set. Finally, a frugal reward function is proposed as a rough but unbiased estimate of the relevance of a feature subset. A proof of concept of FUSE is shown on benchmark data sets.
Published: 2010

208. SpikeAnts: un réseau de neurones impulsionnels pour modéliser l'organisation émergente dans un système complexe

Author: Chevallier, Sylvain, Paugam-Moisy, Helene, Sebag, Michèle, Laboratoire d'Ingénierie des Systèmes de Versailles (LISV), Université de Versailles Saint-Quentin-en-Yvelines (UVSQ), Laboratoire de Mathématiques Informatique et Applications (LAMIA), Université des Antilles (UA), Laboratoire de Recherche en Informatique (LRI), and Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)
Subjects: [INFO.INFO-MA]Computer Science [cs]/Multiagent Systems [cs.MA], [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE]
Abstract: International audience; La notion d'organisation émergente est au coeur d'un grand nombre de systèmes complexes, des assemblées neuronales aux colonies d'insectes. Les Réseaux de Neurones Impulsionnels (RNI) constituent d'excellents candidats pour modéliser l'émergen-ce de dynamiques collectives dans les systèmes complexes, car les interactions temporelles sont placées au centre du processus de traitement de l'information mis en oeuvre dans ces réseaux. Un modèle spatio-temporel, baptisé SpikeAnts, est proposé pour reproduire la synchronisation d'activités émergentes dans une colonie d'insectes sociaux. Dans ce modèle parcimonieux, chaque fourmi-agent est modélisée par seulement deux neurones impulsionnels et la colonie constitue un réseau à connectivité éparse. Les décisions individuelles résultent de la compétition entre les deux neurones d'un agent qui reçoivent des informa-tions locales émanant des agents voisins. À l'échelle de la population, le couplage spatio-temporel donne lieu à trois types de comportements-asynchrone, synchrone apériodique et synchrone périodique-proches des comportements observés dans les colonies de fourmis. Un diagramme de phase présente l'émergence de ces comportements en fonction de deux paramètres de contrôle, modélisant respectivement la sociabilité et la réceptivité d'une fourmi.
Published: 2010

209. Optimisation de la Topologie pour les Réseaux de Neurones Profonds

Author: Arnold, Ludovic, Paugam-Moisy, Hélène, Sebag, Michèle, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Machine Learning and Optimisation (TAO), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Data Mining and Machine Learning (DM2L), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: Deep Neural Networks, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Learning, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], Model Selection
Abstract: National audience; Recently, deep neural networks have proven their ability to achieve excellent results on tasks such as classification and dimensionality reduction. The issue of hyper-parameter selection is decisive for these networks since the size of the search space increases exponentially with the number of layers. As a result, the grid-search approach is inappropriate and it is often left to the experimenter to ``guess'' sensible values for the hyper-parameters. In this study, we propose to select hyper-parameters layer after layer, on the basis of an unsupervised criterion, thus reducing to linear the complexity of the hyper-parameter selection procedure. Two unsupervised criteria are considered and the study focuses on determining an optimal number of neurons per layer. Experimentally, we show that the reconstruction error constitutes an adequate criterion for the layer-wise optimization of the number of neurons. In addition, we observe that the optimal size of layers tends to decrease when the number of training samples increases and we discuss this counter-intuitive result.; Récemment, les réseaux de neurones profonds ont démontré leur capacité à obtenir d’excellentes performances pour des tâches de classification et de réduction de dimension. Le problème du choix des hyper-paramètres est très critique pour ces réseaux car la taille de l’espace de recherche augmente exponentiellement avec le nombre de couches. En conséquence, l’approche grid-search ne convient pas et c’est à l’expérimentateur de “deviner” des valeurs judicieuses pour les hyper-paramètres. Nous proposons ici de sélectionner les hyper-paramètres couche après couche, sur la base d’un critère non-supervisé, ce qui réduit à une complexité linéaire l’optimisation des hyper-paramètres. Deux critères non-supervisés sont envisagés et nous focalisons notre étude sur la détermination d’un nombre optimal de neurones par couche. Au cours de nos expériences, nous montrons que l’erreur de reconstruction constitue un critère satisfaisant pour l’optimisation, couche par couche, du nombre de neurones. Nous observons par ailleurs que la taille optimale des couches tend à diminuer lorsque le nombre d’exemples augmente et nous discutons ce comportement contre-intuitif.
Published: 2010

210. Constraints, optimization and data (Dagstuhl Seminar 14411)

Author: UCL - SST/ICTM/INGI - Pôle en ingénierie informatique, De Raedt, Luc, Nijssen, Siegfried, O'Sullivan, Barry, Sebag, Michèle, UCL - SST/ICTM/INGI - Pôle en ingénierie informatique, De Raedt, Luc, Nijssen, Siegfried, O'Sullivan, Barry, and Sebag, Michèle
Published: 2014

211. Upper Conﬁdence Trees and Billiards for Optimal Active Learning

Author: Rolet, Philippe, Sebag, Michèle, Teytaud, Olivier, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Machine Learning and Optimisation (TAO), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC]
Abstract: National audience; This paper focuses on Active Learning (AL) with bounded compu- tational resources. AL is formalized as a ﬁnite horizon Reinforcement Learning problem, and tackled as a single-player game. An approximate optimal AL strat- egy based on tree-structured multi-armed bandit algorithms and billiard-based sampling is presented together with a proof of principle of the approach.
Published: 2009

212. Robotique Evolutionnaire et Mémoire

Author: Hartland, Cédric, Bredeche, Nicolas, Sebag, Michèle, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Machine Learning and Optimisation (TAO), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Bredeche, Nicolas
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], echo state networks, mémoire, robotique, évolution, ComputingMilieux_MISCELLANEOUS, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: National audience
Published: 2009

213. Modelling a Centralized Academic Labour Market: Efficiency and Fairness

Author: Caillou, Philippe, Sebag, Michèle, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Machine Learning and Optimisation (TAO), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Microsoft Research - Inria Joint Centre (MSR - INRIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Microsoft Research Laboratory Cambridge-Microsoft Corporation [Redmond, Wash.], Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), and Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France
Subjects: [INFO.INFO-MA]Computer Science [cs]/Multiagent Systems [cs.MA]
Abstract: International audience; A formalization of the centralized French Academic Labour Market in terms of Multi-Agent System is presented. Extensive simulations are used to investigate typical and possible regimes of the system, supporting a sensitivity analysis of the main parameters of the model, such as the applicative pressure and the preference bias towards local candidates. Based on the calibration of the parameters of the abstract model after the information disclosed from o±cial sources, some positive and normative results are presented. Three prototypical settings are distinguished: the equilibrium setting corresponds to the perfect market case, where each candidate interacts with each University; the Humanities and Sciences setting; and the Law and Management setting. The differences between the last two settings concern both the applicative pressure (number of candidate per academic position) and the scope of each candidate (interacting with few or many Universities). Counter-intuitive findings, related in particular to the role of the preference biases, are presented and discussed.
Published: 2008

214. Distributed and Incremental Clustering Based on Weighted Affinity Propagation

Author: Zhang, Xiangliang, Furtlehner, Cyril, Sebag, Michèle, Machine Learning and Optimisation (TAO), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), and Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec
Subjects: [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], ComputerSystemsOrganization_COMPUTER-COMMUNICATIONNETWORKS, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; A new clustering algorithm Affinity Propagation (AP) is hindered by its quadratic complexity. The Weighted Affinity Propagation (WAP) proposed in this paper is used to eliminate this limitation, support two scalable algorithms. Distributed AP clustering handles large datasets by merging the exemplars learned from subsets. Incremental AP extends AP to online clustering of data streams. The paper validates all proposed algorithms on benchmark and on real-world datasets. Experimental results show that the proposed approaches offer a good trade-off between computational effort and performance.
Published: 2008

215. Frugal and Online Affinity Propagation

Author: Zhang, Xiangliang, Furtlehner, Cyril, Sebag, Michèle, Machine Learning and Optimisation (TAO), Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Paris-Sud - Paris 11 (UP11)-Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec, Zhang, Xiangliang, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: National audience; A new Data Clustering algorithm, Affinity Propagation suffers from its quadratic complexity in function of the number of data items. Several extensions of Affinity Propagation were proposed aiming at online clustering in the data stream framework. Firstly, the case of multiply defined items, or weighted items is handled using Weighted Affinity Propagation(WAP). Secondly, Hierarchical AP achieves distributed AP and uses WAP to merge the sets of exemplars learned from subsets. Based on these two building blocks, the third algorithm performs Incremental Affinity Propagation on data streams. The paper validates the two algorithms both on benchmark and on real-world datasets. The experimental results show that the proposed approaches perform better than $K$-centers based approaches.
Published: 2008

216. Toward Behavioral Modeling of a Grid System: Mining the Logging and Bookkeeping files

Author: Zhang, Xiangliang, Sebag, Michèle, Germain-Renaud, Cecile, Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: [INFO.INFO-DC]Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; Grid systems are complex heterogeneous systems, and their modeling constitutes a highly challenging goal. This paper is interested in modeling the jobs handled by the EGEE grid, by mining the Logging and Bookkeeping files. The goal is to discover meaningful job clusters, going beyond the coarse categories of ”successfully terminated jobs” and ”other jobs”. The presented approach is a threestep process: i) Data slicing is used to alleviate the job heterogeneity and afford discriminant learning; ii) Constructive induction proceeds by learning discriminant hypotheses from each data slice; iii) Finally, double clustering is used on the representation built by constructive induction; the clusters are fully validated after the stability criteria proposed by Meila (2006). Lastly, the job clusters are submitted to the experts and some meaningful interpretations are found
Published: 2007

217. Change Point Detection and Meta-Bandits for Online Learning in Dynamic Environments

Author: Hartland, Cédric, Baskiotis, Nicolas, Gelly, Sylvain, Sebag, Michèle, Teytaud, Olivier, Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: meta bandits, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], online learning, dynamic environments, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], apprentissage en ligne, ucb, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: National audience; Motivated by realtime website optimization, this paper is about online learning in abruptly changing environments. Two extensions of the UCBT algorithm are combined in order to handle dynamic multi-armed bandits, and specifically to cope with fast variations in the rewards. Firstly, a change point detection test based on Page-Hinkley statistics is used to overcome the limitations due to the UCBT inertia. Secondly, a controlled forgetting strategy dubbed Meta-Bandit is proposed to take care of the Exploration vs Exploitation trade-off when the PH test is triggered. Extensive empirical validation shows significant improvements compared to the baseline algorithms. The paper also investigates the sensitivity of the proposed algorithm with respect to the number of available options.
Published: 2007

218. Prêts bilatéraux et réseaux sociaux

Author: Caillou, Philippe, Dubut, Frédéric, Sebag, Michèle, Algorithmic number theory for cryptology (TANC), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), and Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)
Subjects: [INFO.INFO-MA]Computer Science [cs]/Multiagent Systems [cs.MA], ACM: I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.11: Distributed Artificial Intelligence/I.2.11.3: Multiagent systems, social network, intertemporal utility, simulation, global welfare
Abstract: International audience; In this paper, our goal is to use Agent-Based Computational Economics and traditional economic methodology to study a path-dependent context: loan granting in a dynamicsocial network with intertemporal utility functions. We study the evolution of the graph andmacro variables, and show that interest rate converge even if the network is locally unstable.We also study the impact of agent strategies on global welfare of the economy, and concludethat a diversity of strategies increases global welfare.; Dans cet article, nous étudions l'évolution d'un réseau social dans lequel des agents réalisent des prêts bilatéraux guidés par leurs préférences intertemporelles. Nous étudions l'évolution du graphe et de variables macroéconomiques et montrons notamment que le taux d'intérêt converge malgré une instabilité locale du graphe. Puis nous nous intéressons au bien être global de l'économie dans le cas où les agents disposent d'une stratégie pour déterminer leurs liens sociaux et montrons en particulier, dans le cas ou les agents sont mortels, que la diversité des stratégies conduit à un accroissement du bien être collectif.
Published: 2007

219. Fault Detection and Diagnosis from the Logging and Bookkeping Data

Author: Zhang, Xiangliang, Sebag, Michèle, Germain-Renaud, Cecile, Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: [INFO.INFO-DC]Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; Autonomic Computing (AC) is defined as ‘computing systems that manage themselves in accordance with high-level objectives from humans'. AC is now a well-established scientific domain, and a priority for industry. Automated detection, diagnosis, and ultimately management, of software/hardware problems define autonomic dependability. The paper reports on applying state of the art autonomic dependability methods to the Logging and Bookkeeping data, with promising results on detection.
Published: 2007

220. Un état des lieux de l'optimisation évolutionnaire et de ses implications en sciences pour l'ingénieur

Author: Le Riche, Rodolphe, Schoenauer, Marc, Sebag, Michèle, Equipe : Calcul de Risque, Optimisation et Calage par Utilisation de Simulateurs (CROCUS-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-UR LSTI, UMR 5146 - Laboratoire Claude Goux (LCG-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Institut Mines-Télécom [Paris] (IMT), Centre Sciences, Information et Technologies pour l'Environnement (SITE-ENSMSE), Centre National de la Recherche Scientifique (CNRS), Algorithmic number theory for cryptology (TANC), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), P. Breitkopf and C. Knopf-Lenoir, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), and Schoenauer, Marc
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-NA] Computer Science [cs]/Numerical Analysis [cs.NA], [MATH.MATH-OC] Mathematics [math]/Optimization and Control [math.OC], [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC], [INFO.INFO-NA]Computer Science [cs]/Numerical Analysis [cs.NA], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; Les algorithmes évolutionnaires (AEs) ont aujourd'hui 40 ans d'existence ; depuis 15 ans, ils ont fait l'objet d'applications nombreuses et variées dans le domaine des sciences de l'ingénieur. Cet article fait un état des lieux de l'optimisation évolutionnaire. Il commence par une introduction à l'optimisation évolutionnaire. Puis un fil conducteur historique résume les principaux résultats théoriques sur les AEs (les schémas, le "No Free Lunch Theorem", la corrélation performance-distance, la variance de formae, l'adaptation des pas de mutations) et montre un changement de perception des AEs : à l'utopie des AEs optimiseurs universels succèdent les AEs sur-mesure. L'article se termine par une présentation des AEs modernes les plus efficaces. L'optimisation paramétrique (les stratégies d'évolution en particul ier), non-paramétrique et les couplages entre AEs et heuristiques y sont discutés. Des exemples en conception optimale et en identification de lois de comportement illustrent notre propos.
Published: 2007

221. A Machine Learning approach for Statistical Software Testing

Author: Baskiotis, Nicolas, Sebag, Michèle, Gaudel, Marie-Claude, Gouraud, Sandrine-Dominique, Algorithmic number theory for cryptology (TANC), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Baskiotis, Nicolas, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), and Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)
Subjects: [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-SE] Computer Science [cs]/Software Engineering [cs.SE], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-SE]Computer Science [cs]/Software Engineering [cs.SE]
Abstract: Some Statistical Software Testing approaches rely on sampling the feasible paths in the control flow graph of the program; the difficulty comes from the tiny ratio of feasible paths. This paper presents an adaptive sampling mechanism called EXIST for Exploration/eXploitation Inference for Software Testing, able to retrieve distinct feasible paths with high probability. EXIST proceeds by alternatively exploiting and updating a distribution on the set of program paths. An original representation of paths, accommodating long-range dependencies and data sparsity and based on extended Parikh maps, is proposed. Experimental validation on real-world and artificial problems demonstrates dramatic improvements compared to the state of the art.
Published: 2007

222. Negotiation protocols and dynamic social networks

Author: Caillou, Philippe, Sebag, Michèle, Dubut, Frédéric, Caillou, Philippe, Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: [INFO.INFO-MA]Computer Science [cs]/Multiagent Systems [cs.MA], [INFO.INFO-MA] Computer Science [cs]/Multiagent Systems [cs.MA], ACM: I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.11: Distributed Artificial Intelligence/I.2.11.3: Multiagent systems
Abstract: International audience; Multi-agent system make it possible to investigate systems with complex interaction protocols and limited information sharing. Our objective in this paper is to emphasize the impact of exchange protocols in social networks. The presented MAS considers a loan-granting scenario where each agent can borrow/lend money to its neighbors and/or consume it. We define six interaction protocols, ranging from fixed equilibrium rate loans to double-free auctions, and we study their impact on the network structure and the global welfare of the economy. Further, the agent fitness is investigated in relation with its connectivity (number of neighbors) and eccentricity (longest path to the other agents).
Published: 2007

223. Anytime many-armed bandits

Author: Teytaud, Olivier, Gelly, Sylvain, Sebag, Michèle, Algorithmic number theory for cryptology (TANC), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), and Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)
Subjects: [INFO.INFO-GT]Computer Science [cs]/Computer Science and Game Theory [cs.GT], ACM: I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.8: Problem Solving, Control Methods, and Search
Abstract: National audience; This paper introduces the many-armed bandit problem (ManAB), where the number of arms is large comparatively to the relevant number of time steps. While the ManAB framework is relevant to many real-world applications, the state of the art does not offer anytime algorithms handling ManAB problems. Both theory and practice suggest that two problem categories must be distinguished; the easy category includes those problems where good arms have reward probability close to 1; the difficult category includes other problems. Two algorithms termed FAILURE and MUCBT are proposed for the ManAB framework. FAILURE and its variants extend the non-anytime approach proposed for the denumerable-armed bandit and non-asymptotic bounds are shown; it works very efficiently for easy ManAB problems. Meanwhile, MUCBT efficiently deals with difficult ManAB problems.
Published: 2007

224. Inductive-deductive systems: a mathematical logic and statistical learning perspective

Author: Baskiotis, Nicolas, Sebag, Michèle, Teytaud, Olivier, Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: ACM: F.: Theory of Computation/F.4: MATHEMATICAL LOGIC AND FORMAL LANGUAGES, ACM: G.: Mathematics of Computing/G.3: PROBABILITY AND STATISTICS, Learning theory, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], Inductive-Deductive Systems, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH]
Abstract: National audience; This document was only presented in a conference with no copyrighted proceedings. The theorems about incompleteness of arithmetic have often been cited as an argument against automatic theorem proving and expert systems. However, these theorems rely on a worst-case analysis, which might happen to be overly pessimistic with respect to real-world domain applications. For this reason, a new framework for a probabilistic analysis of logical complexity is presented in this paper. Specifically, the rate of non-decidable clauses and the convergence of a set of axioms toward the target one when the latter exists in the language are studied, by combining results from mathematical logic and from statistical learning. Two theoretical settings are considered, where learning relies respectively on Turing oracles guessing the provability of a statement from a set of statements, and computable approximations thereof. Interestingly, both settings lead to similar results regarding the convergence rate towards completeness.
Published: 2007

225. EXIST: Exploitation/Exploration Inference for Statistical Software Testing

Author: Baskiotis, Nicolas, Sebag, Michèle, Gaudel, Marie-Claude, Gouraud, Sandrine-Dominique, Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-SE]Computer Science [cs]/Software Engineering [cs.SE]
Abstract: Path-based Statistical Software Testing is interested in sampling the feasible paths in the control flow graph of the program being tested. As the ration of feasible paths becomes negligible for large programs, an ML approach is presented to iteratively estimate and exploit the distribution of feasible paths.
Published: 2006

226. Multi-armed Bandit, Dynamic Environments and Meta-Bandits

Author: Hartland, Cédric, Gelly, Sylvain, Baskiotis, Nicolas, Teytaud, Olivier, Sebag, Michèle, Hartland, Cédric, Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), financement européen PASCAL, Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], statistical learning, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG], multi-armed bandit, ucb, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: This paper presents the Adapt-EvE algorithm, extending the UCBT online learning algorithm (Auer et al. 2002) to abruptly changing environments. Adapt-EvE features an adaptive change-point detection test based on Page-Hinkley statistics, and two alternative xtra-exploration procedures respectively based on smooth-restart and Meta-Bandits.
Published: 2006

227. Phase Transitions within Grammatical Inference

Author: Pernot, Nicolas, Cornuéjols, Antoine, Sebag, Michèle, Mathématiques et Informatique Appliquées (MIA-Paris), AgroParisTech-Institut National de la Recherche Agronomique (INRA), Laboratoire de Recherche en Informatique (LRI), and Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)
Subjects: [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; It is now well-known that the feasibility of induc-tive learning is ruled by statistical properties linking the empirical risk minimization principle and the "capacity" of the hypothesis space. The discovery , a few years ago, of a phase transition phenomenon in inductive logic programming proves that other fundamental characteristics of the learning problems may similarly affect the very possibility of learning under very general conditions. Our work examines the case of grammatical inference. We show that while there is no phase transition when considering the whole hypothesis space, there is a much more severe "gap" phenomenon affecting the effective search space of standard grammatical induction algorithms for de-terministic finite automata (DFA). Focusing on the search heuristics of the RPNI and RED-BLUE algorithms , we show that they overcome this problem to some extent, but that they are subject to over-generalization. The paper last suggests some directions for new generalization operators, suited to this Phase Transition phenomenon.
Published: 2005

228. Réseau Bayésien Aplati pour l'Inférence dans les HMM hiérarchiques factorisés et Apprentissage avec peu de données

Author: Gelly, Sylvain, Bredeche, Nicolas, Sebag, Michèle, Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Laboratoire de Recherche en Informatique (LRI), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Centre de Mathématiques Appliquées (CMAP), Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), and École polytechnique (X)-Mines Paris - PSL (École nationale supérieure des mines de Paris)
Subjects: [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: National audience; HMM and markov model are known to not behave very well with regards to the scaling problem. In order to address this, we study extension towards hierarchisation (Shai Fine, 1998; Theocharous et al., 2004) and factorisation (Ghahramani & Jordan, 1997).
Published: 2005

229. Convergence proofs, convergence rates and stopping criterions for multi-modal or multi-objective evolutionary algorithms

Author: Bonnemay, Yann, Sebag, Michèle, Teytaud, Olivier, Algorithmic number theory for cryptology (TANC), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X), Laboratoire d'informatique de l'École polytechnique [Palaiseau] (LIX), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, and Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
Subjects: TheoryofComputation_MISCELLANEOUS, ComputingMethodologies_GENERAL, [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC]
Abstract: International audience; We provide - convergence proofs - convergence rates - a stopping criterion for multi-objective or multi-modal evolutionary algorithms.
Published: 2005

230. Mesures de qualité pour la fouille de données, Revue des Nouvelles Technologies de l'Information (RNTI) Numéro spécial

Author: Briand, Henri, Sebag, Michèle, Gras, Régis, Guillet, Fabrice, Laboratoire d'Informatique de Nantes Atlantique (LINA), and Mines Nantes (Mines Nantes)-Université de Nantes (UN)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], ComputingMilieux_MISCELLANEOUS, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: National audience; no abstract
Published: 2004

231. Data Streaming with Affinity Propagation

Author: Zhang, Xiangliang, primary, Furtlehner, Cyril, additional, and Sebag, Michèle, additional
Full Text: View/download PDF

232. A Phase Transition-Based Perspective on Multiple Instance Kernels

Author: Gaudel, Romaric, primary, Sebag, Michèle, additional, and Cornuéjols, Antoine, additional
Full Text: View/download PDF

233. Modèles simplifiés par programmation génétique : prise en compte du sens physique

Author: Ratle, A., Sebag, Michèle, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), J. L. Batoz, H. Ben Dhia, and P. Chauchot
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: No abstract provided
Published: 2001

234. Analyzing Relational Learning in the Phase Transition Framework

Author: Giordana, Attilio, Saitta, Lorenza, Sebag, Michèle, Botta, Marco, Dipartimento di Scienze e Tecnologie Avanzate (DISTA), Università degli Studi del Piemonte Orientale - Amedeo Avogadro (UPO), Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Università degli studi di Torino (UNITO), and P. Langley
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: A key step of relational learning is testing whether a candidate hypothesis covers a given example. The covering test is equivalent to a Constraint Satisfaction Problem (CSP), which shows a phase transition in correspondence of critical values of some order parameters. This paper investigates the effects of the phase transition in the covering test on the complexity and feasibility of learning in first order logic languages. Several hundreds of artificial learning problems have been generated. FOIL and other learners have been applied to these problems. The experiments show the presence of a failure region, where all considered learners systematically fail to identify the target concept. Furthermore, the phase transition region behaves as an attractor for the learning search, whatever the target concept and the search strategy be. Interpretations of these findings are proposed and discussed.
Published: 2000

235. La programmation logique inductive à la lumière de la transition de phase

Author: Giordana, Attilio, Saitta, Lorenza, Sebag, Michèle, Botta, Marco, Dipartimento di Scienze e Tecnologie Avanzate (DISTA), Università degli Studi del Piemonte Orientale - Amedeo Avogadro (UPO), Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Università degli studi di Torino (UNITO), and C. de la Higuera
Subjects: PLI, CSP, problèmes artificiels, passage à l’échelle, [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph], complexité, transition de phase
Abstract: En logique du premier ordre, le test de couverture correspond à un problème de satisfaction de contraintes. Or, dans le domaine de la satisfaction de contraintes, les problèmes les plus difficiles à résoudre en moyenne se concentrent dans une étroite région, appelée transition de phase, qui marque la transition entre les problèmes presque surement satisfiables, et les problèmes presque surement insatisfiables. Pour étudier la complexité et la faisabilité de la Programmation Logique Inductive (PLI), nous avons généré quelques centaines de problèmes d’apprentissage, situés dans et hors de la transition de phase; ces problèmes ont été soumis à FOIL, SMART+ et G-Net. Ces expérimentations systématiques établissent deux résultats. Tout d’abord, la transition de phase constitue un attracteur pour l’apprentissage, dans le sens où toutes les hypothèses produites appartiennent à cette région. En second lieu, une "zone aveugle de l’apprentissage" apparaît: pour tout problème situé dans cette zone, les systèmes de PLI considérés échouent tous à apprendre quelque hypothèse pertinente que ce soit. Ces résultats sont interprétés, et la discussion conduit à remettre en cause les biais usuels de la PLI.
Published: 2000

236. Constructive Induction: A Version Space based Approach

Author: Sebag, Michèle, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: By automatically reformulating the problem domain, constructive induction ideally overcomes the defects of the initial description. The reformulation presented here uses the Version Space primitives D(E,F), defined for any pair of examples E and F, as the set of hypotheses covering E and discriminating F. From these primitives we derive a polynomial number of M-of-N concept. Experimentally, many of these concepts turn out to be significant and consistent. A simple learning strategy thus consists of exhaustively exploring these concepts, and retaining those with sufficient quality. Tunable complexity is achieved in the MONKEI algorithm, by considering a user supplied number of primitives D(Ei,Fi), where Ei and Fi are stochastically sampled in the training set. MONKEI demonstrates good performances on some benchmark problems, and obtains outstanding results on the Predictive Toxicology Evaluation challenge.
Published: 1999

237. From first-order logic to N^d: a data driven reformulation

Author: Sebag, Michèle, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: No abstract provided
Published: 1999

238. Automatic Graph Drawing and Stochastic Hill-Climbing

Author: Rosete-Suárez, Alejandro, Ochoa-Rodríguez, Alberto, Sebag, Michèle, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: In the literature of Evolutionary Computation, it is very strange to find papers where the results of Evolutionary Algorithms are compared to other algorithms. Stochastic Hill Climbing is a simple optimization algorithm that has shown a competitive performance with respect to many powerful algorithms in the solution of different problems. It has also outperformed some Evolutionary Algorithms in previous papers. Here we fairly review some of these papers. We also compare many Evolutionary Algorithms in the context of Graph Drawing. Graph Drawing addresses the problem of finding a representation of a graph that satisfies a given aesthetic objective. This problem has many practical applications in many fields such as Software Engineering, and VLSI Design. Our results demonstrate that Stochastic Hill Climbing is also the best algorithm in this context. We give some general guidelines in order to explain our results. Our explanations are based on landscape characteristics.
Published: 1999

239. K-AP: Generating Specified K Clusters by Efficient Affinity Propagation

Author: Zhang, Xiangliang, Wang, Wei, Nørvåg, Kjetil, Sebag, Michèle, Zhang, Xiangliang, Wang, Wei, Nørvåg, Kjetil, and Sebag, Michèle
Abstract: The Affinity Propagation (AP) clustering algorithm proposed by Frey and Dueck (2007) provides an understandable, nearly optimal summary of a data set. However, it suffers two major shortcomings: i) the number of clusters is vague with the user-defined parameter called self-confidence, and ii) the quadratic computational complexity. When aiming at a given number of clusters due to prior knowledge, AP has to be launched many times until an appropriate setting of self-confidence is found. The re-launched AP increases the computational cost by one order of magnitude. In this paper, we propose an algorithm, called K-AP, to exploit the immediate results of K clusters by introducing a constraint in the process of message passing. Through theoretical analysis and experimental validation, K-AP was shown to be able to directly generate K clusters as user defined, with a negligible increase of computational cost compared to AP. In the meanwhile, KAP preserves the clustering quality as AP in terms of the distortion. K-AP is more effective than k-medoids w.r.t. the distortion minimization and higher clustering purity.
Published: 2010

240. SoftwareTesting with Active Learning in a Graph

Author: Nicolas Baskiotis and Michèle Sebag and Marie-Claude Gaudel, Baskiotis, Nicolas, Sebag, Michèle, Gaudel, Marie-Claude, Nicolas Baskiotis and Michèle Sebag and Marie-Claude Gaudel, Baskiotis, Nicolas, Sebag, Michèle, and Gaudel, Marie-Claude
Abstract: Motivated by Structural Statistical Software Testing (SSST), this paper is interested in sampling the feasible execution paths in the control flow graph of the program being tested. For some complex programs, the fraction of feasible paths becomes tiny, ranging in $[10^{-10}, 10^{-5}]$. When relying on the uniform sampling of the program paths, SSST is thus hindered by the non-Markovian nature of the ``feasible path'' concept, due to the long-range dependencies between the program nodes. A divide and generate approach relying on an extended Parikh Map representation is proposed to address this limitation; experimental validation on real-world and artificial problems demonstrates gains of orders of magnitude compared to the state of the art.
Published: 2009
Full Text: View/download PDF

241. Evolution Mimétique, extension aux espaces réels

Author: Ducoulombier, M., Sebag, Michèle, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: No abstract provided
Published: 1998

242. DISTILL: Induction de distance en logique du premier ordre

Author: Sebag, Michèle, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: Vide
Published: 1998

243. Sustainable cooperative coevolution with a multi-armed bandit

Author: De Rainville, François-Michel, primary, Sebag, Michèle, additional, Gagné, Christian, additional, Schoenauer, Marc, additional, and Laurendeau, Denis, additional
Published: 2013
Full Text: View/download PDF

244. Tractable induction and classification in first order logic via stochastic matching

Author: Sebag, Michèle, Rouveirol, Céline, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Recherche en Informatique (LRI), and CentraleSupélec-Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: Learning in first-order logic (FOL) languages suffers from a specific difficulty: both induction and classification are potentially exponential in the size of hypotheses. This difficulty is usually dealt w i t h by limiting the size of hypotheses, via either syntactic restrictions or search strategies. This paper is concerned with polynomial induction and use of F O L hypotheses with no size restrictions. This is done via stochastic matching: instead of exhaustively exploring the set of matchings between any example and any short candidate hypothesis, one stochastically explores the set of matchings between any example and any candidate hypothesis. The user sets the number of matching samples to consider and thereby controls the cost of induction and classification. One advantage of this heuristic is to allow for resource-bounded learning, without any a priori knowledge about the problem domain. Experiments on a real-world problem pertaining to organic chemistry fully demonstrate the potentialities of the approach regarding both predictive accuracy and computational cost.
Published: 1997

245. Identification de modèles rhéologiques par programmation génétique

Author: Sebag, Michèle, Schoenauer, Marc, Maitournam, Habibou, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), and B. Peseux et coll.
Subjects: [INFO]Computer Science [cs], [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: Le travail présenté concerne l'identification automatique de lois de comportement à partir des données expérimentales disponibles, restreinte au cas de lois de comportement élasto-visco-plastiques uni-dimensionnelles décrites sous forme de modèles rhéologiques. La programmation génétique, originellement conçue pour l'identification de fonctions ou de programmes optimisant un objectif donné, est adaptée à l'identification automatique de l'architecture et des coefficients d'un modèle rhéologique à partir d'expériences. Cette approche est validée numériquement par l'identification d'un modèle rhéologique proposé pour le polyethylène) à partir de son comportement simulé.
Published: 1997

246. Appariement stochastique en logique des prédicats

Author: Sebag, Michèle, Rouveirol, C., Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: No abstract provided
Published: 1997

247. Parametric and non-parametric identification of macro-mechanical models

Author: Sebag, Michèle, Schoenauer, Marc, Maitournam, Habibou, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Centre de Mathématiques Appliquées - Ecole Polytechnique (CMAP), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS), D. Quadraglia, J. Périaux, C. Poloni, and G. Winter
Subjects: [SPI.MECA.STRU]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Structural mechanics [physics.class-ph], ComputingMilieux_MISCELLANEOUS
Abstract: International audience
Published: 1997

248. Toward civilized evolution: developping inhibitions

Author: Sebag, Michèle, Schoenauer, Marc, Ravisé, Caroline, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Centre de Mathématiques Appliquées - Ecole Polytechnique (CMAP), École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS), and Th. Back
Subjects: [INFO]Computer Science [cs], [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: International audience; Most evolutionary algorithms concerned with a memory of evolution aim at memorizing and reusing the recipes of past successes (e.g. fruitful operators or fruitful mutation directions). The scheme proposed here follows the opp opposite track, and memorizes the past failures of evolution (unfit offspring) through a virtual individual termed the virtual loser. The underlying metaphor is that offspring should attempt to get further away from the virtual loser than their parents. This is done by a new evolution operator, termed flee-mutation, as an alternative to standard recombination and mutation. Special attention is paid to adjusting the flee-mutation step size. Experiments on large sized problems validate this approach and unexpectedly show that a constant flee-mutation step size over a population is desirable.
Published: 1997

249. Vers une évolution civilisée : l'acquisition d'inhibitions

Author: Sebag, Michèle, Schoenauer, Marc, Ravisé, C., Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Published: 1997

250. Polynomial time learning in logic programming and constraint logic programming

Author: Sebag, Michèle, Rouveirol, Céline, Laboratoire de mécanique des solides (LMS), École polytechnique (X)-MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Recherche en Informatique (LRI), CentraleSupélec-Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS), and S. Muggleton
Subjects: [SPI.MECA.SOLID]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Solid mechanics [physics.class-ph]
Abstract: Induction in first-order logic languages suffers from an additional factor of complexity compared to induction in attribute-value languages: the number of possible matchings between a candidate hypothesis and a training example. This paper investigates the use of a stochastic bias to control this factor of complexity: the exhaustive exploration of the matching space is replaced by considering a fixed number of matchings, obtained by random sampling. One thereby constructs from positive and negative examples a theory which is only approximately consistent. Both the degree of approximation and the computational cost of induction are controlled from the number of samples allowed. This approach is illustrated and validated on the mutagenesis problem. An ad hoc sampling mechanism has been purposely designed and experimental results fully demonstrates the power of stochastic approximate induction in terms of both predictive accuracy and computational cost. Furthermore, this approach applies for learning both logic programs as it is usually the case in ILP, and constrained logic programs, ie extended logic programs that can naturally handle numerical information. The gain of learning constrained logic programs for the mutagenesis problem is evaluated by comparing the predictive accuracy of the theories induced in both languages.
Published: 1996

Catalog

Books, media, physical & digital resources

See catalog results

Searchworks

Select search scope, currently: Articles Catalog books, media & more in Jio Institute collections Articles journal articles & other e-resources

Search

Search Constraints

Refine your results

Search Limiters

Topic

Publication Year Range

Language

Publication Type

Journal

Database

Publisher

584 results on '"Sebag, Michèle"'

Search Results

Catalog

Select search scope, currently: Articles

Catalog

books, media & more in Jio Institute collections

Articles

journal articles & other e-resources