Type de séminaire
Soutenance de thèse
Titre
Apprentissage par renforcement de modèles de contexte pour l’informatique ambiante
Lieu
Montbonnot-INRIA
Organisateur
Sofia Zaidenberg
Date
16/10/2009
Heure
10:30
Information détaillée

Le jury est composé de : Mme Brigitte Plateau, Présidente du jury M. Olivier Sigaud, Rapporteur M. Olivier Boissier, Rapporteur M. James L. Crowley, Directeur de thèse M. Patrick Reignier, Co-directeur de thèse Mme Marie-Pierre Gleizes, Examinatrice

Résumé

Cette thèse étudie l’acquisition automatique par apprentissage d’un modèle de contexte pour un utilisateur dans un environnement ubiquitaire. Dans un tel environnement, les dispositifs peuvent communiquer et coopérer afin de former un espace informatique cohérent. Certains appareils ont des capacités de perception, utilisées par l’environnement pour détecter la situation - le contexte - de l’utilisateur. D’autres appareils sont capables d’exécuter des actions. La problématique que nous nous sommes posée est de déterminer les associations optimales pour un utilisateur donné entre les situations et les actions. L’apprentissage apparaît comme une bonne approche car il permet de personnaliser l’environnement sans spécification explicite de la part de l’usager. Un apprentissage à vie permet, par ailleurs, de toujours s’adapter aux modifications du monde et des préférences utilisateur. L’apprentissage par renforcement est un paradigme d’apprentissage qui peut être une solution à notre problème, à condition de l’adapter aux contraintes liées à notre cadre d’application.

Abstract :

This thesis studies the automatic acquisition by machine learning of a context model for a user in a ubiquitous environment. In such an environment, devices can communicate and cooperate in order to create a consistent computerized space. Some devices possess perceptual capabilities. The environment uses them to detect the user’s situation - his context. Other devices are able to execute actions. Our problematics consists in determining the optimal associations, for a given user, between situations and actions. Machine learning seems to be a sound approach since it results in a customized environment without requiring an explicit specification from the user. A life long learning lets the environment adapt itself continuously to world changes and user preferences changes. Reinforcement learning can be a solution to this problem, as long as it is adapted to some particular constraints due to our application setting.

Équipes concernées
PRIMA
Mots clés
Bâtiment Intelligent
Intelligence Artificielle, Apprentissage humain
Contexte : modèle et adaptation
URL
www-prima.inrialpes.fr/prima/people/zaidenberg/TheseZaidenberg.pdf






Langues du site

ou d'autres langues
via la passerelleAXiMAG...






Suivez le LIG sur Twitter


Nos partenaires




UMR 5217 - Laboratoire LIG - Maison Jean Kuntzmann - 110 av. de la Chimie - Domaine Universitaire de Saint-Martin-d’Hères - BP 53 - 38041 Grenoble cedex 9 - France
Tél. : +33 (0)4 76 51 46 24 - Fax : +33 (0)4 76 51 49 85
CNRS Grenoble INP INRIA UJF UPMF Université Stendhal