Évaluation de systèmes apprenant tout au long de la vie - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2020

Évaluation de systèmes apprenant tout au long de la vie

Résumé

Aujourd’hui les systèmes intelligents obtiennent d’excellentes performances dans de nombreux domaines lorsqu’ils sont entraînés par des experts en apprentissage automatique. Lorsque ces systèmes sont mis en production, leurs performances se dégradent au cours du temps du fait de l’évolution de leur environnement réel. Une adaptation de leur modèle par des experts en apprentissage automatique est possible mais très coûteuse alors que les sociétés utilisant ces systèmes disposent d’experts du domaine qui pourraient accompagner ces systèmes dans un apprentissage tout au long de la vie. Dans cet article nous proposons un cadre d’évaluation générique pour des systèmes apprenant tout au long de la vie (SATLV). Nous proposons d’évaluer l’apprentissage assisté par l’humain (actif ou interactif) et l’apprentissage au cours du temps.
Fichier principal
Vignette du fichier
135.pdf (685.65 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-02798580 , version 1 (07-06-2020)
hal-02798580 , version 2 (18-06-2020)
hal-02798580 , version 3 (23-06-2020)

Identifiants

  • HAL Id : hal-02798580 , version 3

Citer

Yevhenii Prokopalo, Sylvain Meignier, Olivier Galibert, Loïc Barrault, Anthony Larcher. Évaluation de systèmes apprenant tout au long de la vie. 6e conférence conjointe Journées d'Études sur la Parole (JEP, 33e édition), Traitement Automatique des Langues Naturelles (TALN, 27e édition), Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL, 22e édition). Volume 1 : Journées d'Études sur la Parole, 2020, Nancy, France. pp.516-524. ⟨hal-02798580v3⟩
182 Consultations
38 Téléchargements

Partager

Gmail Facebook X LinkedIn More