Descripteur
Termes IGN > informatique > intelligence artificielle > apprentissage automatique > données d'entrainement (apprentissage automatique)
données d'entrainement (apprentissage automatique)Synonyme(s)base d'apprentissageVoir aussi |
Documents disponibles dans cette catégorie (91)
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
Titre : Filtering mislabeled data for improving time series classification Type de document : Article/Communication Auteurs : Charlotte Pelletier, Auteur ; Silvia Valero, Auteur ; Jordi Inglada, Auteur ; Gérard Dedieu, Auteur ; Nicolas Champion , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2017 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : Multitemp 2017, 9th International Workshop on the Analysis of Multitemporal Remote Sensing Images 27/06/2017 29/06/2017 Brugge Belgique Proceedings IEEE Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] image Sentinel-MSI
[Termes IGN] série temporelleRésumé : (auteur) The supervised classification of optical image time series allow the production of accurate land cover maps over large areas. However, the precision yielded by learning algorithms strongly depends on the quality of the reference data. The reference databases covering a large geographical area usually contain noisy data with an important number of mislabeled instances. These labeling errors result in longer training time, less accurate classifiers, and ultimately poorer results. To address this issue, we proposed a new iterative learning framework that removes mislabeled data from the training set. Specifically, a preliminary outlier rejection procedure based on the well-known Random Forest algorithm is proposed. The presented strategy is tested with the classification of Sentinel-2 image time series acquired on 2016 by using an out-of-date reference dataset collected on 2014. Numéro de notice : C2017-059 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/Multi-Temp.2017.8035217 Date de publication en ligne : 14/09/2017 En ligne : https://doi.org/10.1109/Multi-Temp.2017.8035217 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97497 Forêts aléatoires pour la détection des feux tricolores à partir de profils de vitesse GPS / Yann Méneroux (2016)
Titre : Forêts aléatoires pour la détection des feux tricolores à partir de profils de vitesse GPS Type de document : Article/Communication Auteurs : Yann Méneroux , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2016 Conférence : Journées Recherche de l'IGN 2016, 25es Journées 24/03/2016 25/03/2016 Champs-sur-Marne France open access abstracts Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] détection automatique
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] feu de circulation
[Termes IGN] traitement de données localiséesRésumé : (auteur) [introduction] L'arrivée récente de flottes de véhicules traceurs, mais aussi d'applications de conduite collaborative, rend possible l'accès à de grandes masses de données de conduite sur un même itinéraire. Peut-on exploiter les profils de vitesse GPS de véhicules pour détecter de manière précise l’infrastructure routière permanente à l’aide d’algorithmes d’apprentissage statistique génériques ? On cherche dans un premier temps à valider l'emploi de telles méthodes sur le cas de la détection de feux tricolores, l'objectif étant ici de répondre à quelques questions exploratoires. Numéro de notice : C2016-064 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Poster Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97143 Documents numériques
peut être téléchargé
Forêts aléatoires pour la détection des feux tricolores ...Adobe Acrobat PDF Conférence d'apprentissage 99, actes de CAP'99, Ecole Polytechnique, Palaiseau, 15-18 juin 1999 / Michèle Sebag (1999)
Titre : Conférence d'apprentissage 99, actes de CAP'99, Ecole Polytechnique, Palaiseau, 15-18 juin 1999 : Plate-forme AFIA'99 Type de document : Actes de congrès Auteurs : Michèle Sebag, Éditeur scientifique Editeur : Orsay, Chambéry : Association Française de l'Intelligence Artificielle AFIA Année de publication : 1999 Conférence : CAp 1999, conférence francophone sur l'apprentissage automatique 15/06/1999 18/06/1999 Palaiseau France open access abstracts Importance : 266 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-2-912009-01-2 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] algorithme génétique
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage dirigé
[Termes IGN] apprentissage non-dirigé
[Termes IGN] données d'entrainement sans étiquette
[Termes IGN] échantillonnage
[Termes IGN] imprécision des données
[Termes IGN] modèle de Markov
[Termes IGN] réseau neuronal artificiel
[Termes IGN] séparateur à vaste margeIndex. décimale : CG1999 Actes de congrès en 1999 Note de contenu : 1 - Apprentissage et séquences
2 - Données floues/imprécises/qualitatives
3 - Apprentissage et échantillonnage
4 - IC'99, CAP'99, RàPC'99
5 - Apprentissage et textes
6 - Données non étiquetées ou incomplètes
7 - Apprentissage non supervisé
8 - Réseaux neuronaux et machine à support de vecteurs
9 - Parallélisation d'algorithmes génétiques
10 - Autres horizonsNuméro de notice : 21327 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Actes Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89998 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 21327-01 CG1999 Livre Centre de documentation Congrès Disponible