Optimisation et apprentissage. Cet article n’est pas disponible.Optimisation et apprentissage

Les domaines de l'apprentissage automatique et de l'optimisation sont aujourd'hui étroitement liés. Les problèmes d'optimisation constituent le coeur des méthodes d'apprentissage automatique et les algorithmes d'optimisation utilisent de plus en plus ces méthodes pour améliorer leur efficacité. Trois composantes sont partagées : la représentation, l'évaluation et la recherche itérative. Alors que les méthodes d'optimisation sont généralement conçues pour être rapides et précises sur des modèles implicites, les problèmes d'apprentissage automatique posent de nouveaux défis aux chercheurs en optimisation, amenant les praticiens de l'apprentissage automatique à créer des algorithmes d'optimisation génériques plus simples. L'apprentissage automatique, ainsi que l'optimisation, trouvent leurs applications dans de nombreux domaines scientifiques. Illustré de cas concrets, Optimisation et apprentissage examine l'interaction entre ces deux domaines, mettant en évidence leurs principales similitudes et leur coopération.

Rachid Chelouah est directeur de recherche à CY Cergy Paris Université. Ses recherches portent sur l'intelligence artificielle et l'optimisation. Patrick Siarry est professeur à l'Université Paris-Est Créteil. Ses recherches portent sur l'adaptation aux problèmes à variables continues des métaheuristiques pour l'optimisation difficile.