Identifiant pérenne de la notice : 247845612
Notice de type
Notice de regroupement
Note publique d'information : NOUS EXPOSONS UNE NOUVELLE REPRESENTATION GRAPHIQUE DE TRES GRANDS ENSEMBLES DE DONNEES
DOCUMENTAIRES (ET TEXTUELLES, APRES NORMALISATION), AINSI QUE DEUX ALGORITHMES POUR
L'EXTRAIRE AUTOMATIQUEMENT DES DONNEES. NOUS PRESENTONS EN PREMIER LIEU DES ARGUMENTS
EN FAVEUR DE CETTE REPRESENTATION PAR POLES ET ZONES D'INFLUENCES FLOUES ET RECOUVRANTES:
ELLE PERMET D'ABORD DE REALISER UNE INTERFACE DE NAVIGATION DANS LES BASES DOCUMENTAIRES,
C'EST-A-DIRE UN HYPERTEXTE AVEC GENERATION AUTOMATIQUE DES LIENS (CONSTITUE D'UNE
CARTE GLOBALE DES THEMES PRESENTS DANS LES DONNEES, ET D'AXES LOCAUX DE DEFILEMENT
POUR LES DOCUMENTS ET TERMES CARACTERISTIQUES DE CHAQUE THEME). CETTE APPROCHE PEUT
AUSSI SERVIR DE BASE A DES ANALYSES SCIENTOMETRIQUES ET BIBLIOMETRIQUES, ET OUVRE
DES PERSPECTIVES SUR LES PROCESSUS COGNITIFS DE CATEGORISATION. NOUS PRESENTONS ENSUITE
NOTRE ALGORITHME DES K-MEANS AXIALES, DERIVE DE L'ALGORITHME DE CLASSIFICATION AUTOMATIQUE
K-MEANS, PUIS NOTRE ALGORITHME D'ANALYSE EN COMPOSANTES LOCALES, CONSISTANT A REPERER
L'ENSEMBLE DES OPTIMAS D'UNE FONCTION LOCALE DE DENSITE. CES ALGORITHMES DE SUIVI
DE GRADIENT PEUVENT S'INTERPRETER COMME DES LOIS D'APPRENTISSAGE DE RESEAUX NEURONAUX.
DES PONTS SONT ETABLIS AVEC L'ANALYSE DES CORRESPONDANCES. UN EXEMPLE DE TRAITEMENT
D'UNE BASE DOCUMENTAIRE REELLE EST DETAILLE, AINSI QU'UNE MAQUETTE D'INTERFACE UTILISATEUR
SOUS HYPERCARD. ENFIN NOUS PASSONS EN REVUE UN ENSEMBLE DE METHODES VOISINES DANS
LES DOMAINES DE L'ANALYSE DES DONNEES ET DES RESEAUX NEURONAUX, QUE CE SOIT DU POINT
DE VUE DE LA REPRESENTATION OBTENUE, DU PROCESSUS D'OPTIMISATION UTILISE, OU DE LA
PRISE EN COMPTE DE LA NOTION DE LOCALITE
paprika.idref.fr
data.idref.fr
Documentation
