Métaheuristiques et algorithmes d'apprentissage automatique pour la boucle de résolution des problémes de conception inventive
Langue Anglais
Langue Anglais
Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Modalités de diffusion de la thèse :
- Thèse soumise à l'embargo de l'auteur jusqu'au 30/12/2025 (communication intranet).
Auteur : Ghannad, Naser
Date de soutenance : 01-12-2023
Directeur(s) de thèse : De Guio, Roland - Parrend, Pierre
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Date de soutenance : 01-12-2023
Directeur(s) de thèse : De Guio, Roland - Parrend, Pierre
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Discipline : Informatique
Classification : Informatique
Mots-clés libres : Méta-heuristique, OCAnt-Miner, Importance des fonctionnalités, Sélection des fonctionnalités, Classification, Identification automatique des contradictions, Données déséquilibrées, Ensembles de données synthétiques
Mots-clés :
Classification : Informatique
Mots-clés libres : Méta-heuristique, OCAnt-Miner, Importance des fonctionnalités, Sélection des fonctionnalités, Classification, Identification automatique des contradictions, Données déséquilibrées, Ensembles de données synthétiques
Mots-clés :
- Apprentissage automatique
- Méthode TRIZ
Type de contenu : Text
Format : PDF
Format : PDF
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2023STRAD044
Type de ressource : Thèse
Identifiant : 2023STRAD044
Type de ressource : Thèse