Descripteur
Termes IGN > informatique > intelligence artificielle > apprentissage automatique > algorithme d'apprentissage
algorithme d'apprentissage |
Documents disponibles dans cette catégorie (53)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Cartographic generalization of roads in a local and adaptive approach: A knowledge acquistion problem / Sébastien Mustière in International journal of geographical information science IJGIS, vol 19 n° 8 - 9 (september 2005)
[article]
Titre : Cartographic generalization of roads in a local and adaptive approach: A knowledge acquistion problem Type de document : Article/Communication Auteurs : Sébastien Mustière , Auteur Année de publication : 2005 Article en page(s) : pp 937 - 955 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] acquisition de connaissances
[Termes IGN] algorithme d'apprentissage
[Termes IGN] algorithme de filtrage
[Termes IGN] analyse spatiale
[Termes IGN] apprentissage dirigé
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] moteur d'inférence
[Termes IGN] objet géographique linéaire
[Termes IGN] réseau routier
[Termes IGN] système expert
[Vedettes matières IGN] GénéralisationRésumé : (Auteur) This paper presents a local and adaptive approach to road generalization, where different algorithms may be successively applied to each part of a road. The specific problem addressed is how to acquire and formalize cartographic knowledge in order to guide the application of the algorithms during the process. Our approach requires toolboxes of algorithms to transform and analyse the data, as well as an engine to chain them together. First, we present the toolboxes used in our experiments for road generalization. Then, we present two different engines, as well as the knowledge-acquisition processes used to determine them. The first engine, named GALBE, is an empirically determined process, where the application of algorithms is mainly based on a single criterion: the coalescence. The second engine, which is more complex, uses multiple measures to describe the road. The choice of which algorithm to use given a particular set of measures is determined from examples using supervised learning techniques. Results obtained with both engines are presented. Copyright Taylor & Francis Numéro de notice : A2005-408 Affiliation des auteurs : COGIT (1988-2011) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658810509161245 Date de publication en ligne : 20/02/2007 En ligne : https://doi.org/10.1080/13658810509161245 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27544
in International journal of geographical information science IJGIS > vol 19 n° 8 - 9 (september 2005) . - pp 937 - 955[article]Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 079-05081 RAB Revue Centre de documentation En réserve L003 Disponible 079-05082 RAB Revue Centre de documentation En réserve L003 Disponible Nouvelle approche du réseau ARTMAP flou : application à la classification multi-spectrale des images SPOT XS de la baie d'Alger / F. Alilat in Revue Française de Photogrammétrie et de Télédétection, n° 177 (Juin 2005)
[article]
Titre : Nouvelle approche du réseau ARTMAP flou : application à la classification multi-spectrale des images SPOT XS de la baie d'Alger Type de document : Article/Communication Auteurs : F. Alilat, Auteur ; S. Loumi, Auteur ; H. Merrad, Auteur ; B. Sansal, Auteur Année de publication : 2005 Article en page(s) : pp 17 - 24 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Algorithmique
[Termes IGN] Alger
[Termes IGN] algorithme d'apprentissage
[Termes IGN] baie
[Termes IGN] classification multibande
[Termes IGN] classification par réseau neuronal
[Termes IGN] erreur moyenne quadratique
[Termes IGN] image SPOT XS
[Termes IGN] optimisation (mathématiques)Résumé : (Auteur) Dans cet article nous proposons une modification de l'algorithme d'apprentissage du réseau de neurones ARTMAP (Adaptive Resonance Theory) flou. Cette modification consiste à faire apprendre au réseau une base d'exemples non pas une seule fois comme c'est d'usage, mais autant de fois que son architecture est en évolution ou que l'objectif erreur n'est pas atteint, et ceci sans trop se soucier des valeurs à imposer aux huit (08) paramètres du réseau ARTMAP flou. Jusqu'au jour d'aujourd'hui, il n'existe pas de méthodes universelles pour le choix de ces paramètres, leurs valeurs étant fixées suite à une série d'expériences. Pour évaluer les performances du réseau ainsi modifié, une comparaison entre ce dernier et un réseau PMC à rétro propagation du gradient optimisé par l'algorithme de Levenberg-Marquardt (LM) est réalisée. Comme application, nous avons effectué une classification de l'image multispectrale SPOT XS de la baie d'Alger. Nous utilisons comme critère d'évaluation les temps d'apprentissage et de généralisation d'une part et l'erreur quadratique moyenne d'autre part. Les résultats de cette étude présentés sous forme de courbes, de tableaux et d'images montrent que la modification proposée contribue à une réduction importante du temps et de l'erreur d'apprentissage. Numéro de notice : A2005-283 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27419
in Revue Française de Photogrammétrie et de Télédétection > n° 177 (Juin 2005) . - pp 17 - 24[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 018-05011 RAB Revue Centre de documentation En réserve L003 Disponible Extraction, par apprentissage supervisé, de textures sur cartes géographiques / Robert Mariani in Bulletin d'information de l'Institut géographique national, n° 68 (octobre 1997)
[article]
Titre : Extraction, par apprentissage supervisé, de textures sur cartes géographiques Type de document : Article/Communication Auteurs : Robert Mariani, Auteur Année de publication : 1997 Article en page(s) : pp 7 - 14 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] algorithme d'apprentissage
[Termes IGN] apprentissage dirigé
[Termes IGN] arbre quadratique
[Termes IGN] classification automatique
[Termes IGN] extraction semi-automatique
[Termes IGN] primitive géométrique
[Termes IGN] relation topologique
[Termes IGN] texture d'imageRésumé : (Auteur) Nous décrivons dans ce qui suit, une méthode d'extraction de textures sur la planche de bleu. Les textures concernées sont des textures fines, composées de primitives de base ayant une répartition géographique régulière. Cette méthode est fondée sur l'apprentissage des textures, c'est-à-dire des primitives et de leur voisinage. L'extraction procède par classification des primitives munies de leur voisinage, puis par relaxation probabiliste. La première étape permet d'attribuer, de façon locale et pour chaque texture apprise, la probabilité qu'une primitive appartienne à cette dernière. La deuxième étape permet de corriger les fausses détections locales, en considérant le contexte lié à chaque primitive. Cette méthode est fiable mais très lente, car le nombre de primitives, pour la mer par exemple, est très important. Aussi, une classification rapide est d'abord effectuée dans les zones vérifiant un certain critère d'homogénéité, et ceci à un niveau de résolution fixé. Enfin, il est possible d'intégrer dans ce système, de nouvelles textures répondant aux spécifications définies ci-dessus. La première section donne les éléments descriptifs d"une texture et l'algorithme d'apprentissage associé. La deuxième section rappelle d'abord la notion de quadtree, définit ensuite l'utilisation d'une famille de quadtrees, et présente enfin leur utilisation dans ce contexte. La troisième section fournit les caractéristiques de textures associées à une feuille de quadtree ainsi que l'algorithme d'apprentissage utilisé. L'algorithme de relaxation est décrit dans la quatrième section. L'architecture globale de l'apprentissage supervisé et de l'extraction des textures est résumé dans la cinquième section, ceci avant de présenter les résultats et de conclure. Numéro de notice : A1997-063 Affiliation des auteurs : IGN (1940-2011) Thématique : IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=25847
in Bulletin d'information de l'Institut géographique national > n° 68 (octobre 1997) . - pp 7 - 14[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 015-97031 RAB Revue Centre de documentation En réserve L003 Disponible