Note publique d'information : L'APPRENTISSAGE EST UNE CAPACITE FONDAMENTALE, QUI PERMET A UN SYSTEME ARTIFICIEL
D'AMELIORER SON COMPORTEMENT AU FIL DE SON EXPERIENCE. EN PARTICULIER, LA FORMATION
DE CONCEPTS (C'EST-A-DIRE L'APPRENTISSAGE INCREMENTAL NON-SUPERVISE, DONT LE RESULTAT
EST UNE HIERARCHIE DE CONCEPTS) PERMET LA CREATION, DE FACON AUTONOME, D'UNE REPRESENTATION
DU MONDE OBSERVE. CETTE THESE EST MAJORITAIREMENT CONSACREE A CE TYPE DE PROCESSUS.
UN CHAPITRE DECRIT L'UTILISATION DE LA FORMATION DE CONCEPTS POUR L'ANALYSE D'IMAGES
DE TELEDETECTION, DOMAINE DONT UNE DES PARTICULARITES EST LE VOLUME IMPORTANT DES
DONNEES A MANIPULER. CEPENDANT, DE NOMBREUX DOMAINES D'APPLICATION POSSEDENT UNE COMPLEXITE
STRUCTURELLE INTRINSEQUE, QUI DOIT ETRE EXPLICITEMENT PRISE EN COMPTE AFIN D'EVITER
UN NOMBRE EXCESSIF DE PRE-TRAITEMENTS. SELON NOTRE APPROCHE, LA STRUCTURE D'UN DOMAINE
PEUT SE REPRESENTER PAR UN GRAPHE, DONT LES SOMMETS REPRESENTENT LES DIFFERENTS NIVEAUX
DE DETAIL AUXQUELS L'INFORMATION EST OBSERVEE, ET DONT LES ARCS REPRESENTENT LES ATTRIBUTS
UTILISES. LA PARTIE CENTRALE DE CETTE THESE DEFINIT TROIS NOUVEAUX TYPES D'ATTRIBUTS,
CORRESPONDANT A TROIS MODALITES D'ASSOCIATIONS DES OBSERVATIONS ENTRE DIFFERENTS NIVEAUX
D'ABSTRACTION. LES DEUX PREMIERS TYPES, LES ATTRIBUTS STRUCTURES ET MULTI-VALUES,
CORRESPONDENT A DES NOTIONS UTILISEES EN MODELISATION DES DONNEES (LES ASSOCIATIONS
UNIVOQUES ET MULTIPLES). LE TROISIEME TYPE, LES ATTRIBUTS SEQUENTIELS, INTRODUIT LA
NOTION DE SEQUENTIALITE, POUR DECRIRE L'EVOLUTION (TEMPORELLE, SPATIALE, OU AUTRE)
D'UN OBJET, AUSSI COMPLEXE SOIT-IL. DANS LES TROIS CAS, LES MECANISMES NECESSAIRES
A L'APPRENTISSAGE SONT DEFINIS ET ANALYSES. LE DERNIER CHAPITRE TRAITE DU PROBLEME
DE LA DECOUVERTE DE CONNAISSANCES DANS LES BASES DE DONNEES, ET S'ATTACHE A DECRIRE
DE QUELLE FACON UN SCHEMA DE BASE DE DONNEES PEUT SE TRADUIRE EN UN ESPACE D'ABSTRACTION,
DE FACON A POUVOIR APPLIQUER LES MECANISMES DE FORMATION DE CONCEPTS PRECEDEMMENT
DECRITS