<?xml version="1.0" encoding="utf-8" standalone="yes" ?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Arbres De Suffixes | Cédric Herpson</title>
    <link>https://herpsonc.perso.lip6.fr/fr/category/arbres-de-suffixes/</link>
      <atom:link href="https://herpsonc.perso.lip6.fr/fr/category/arbres-de-suffixes/index.xml" rel="self" type="application/rss+xml" />
    <description>Arbres De Suffixes</description>
    <generator>Hugo Blox Builder (https://hugoblox.com)</generator><language>fr</language><copyright>Cédric Herpson</copyright><lastBuildDate>Mon, 10 Nov 2008 00:00:00 +0000</lastBuildDate>
    <image>
      <url>https://herpsonc.perso.lip6.fr/media/icon_hu_99bd27ba4f817042.png</url>
      <title>Arbres De Suffixes</title>
      <link>https://herpsonc.perso.lip6.fr/fr/category/arbres-de-suffixes/</link>
    </image>
    
    <item>
      <title>Une introduction à l’Apprentissage par Renforcement Relationnel (ARR)</title>
      <link>https://herpsonc.perso.lip6.fr/fr/post/arr/</link>
      <pubDate>Mon, 10 Nov 2008 00:00:00 +0000</pubDate>
      <guid>https://herpsonc.perso.lip6.fr/fr/post/arr/</guid>
      <description>&lt;p&gt;L’apprentissage par renforcement relationnel (ARR) a émergé comme une alternative aux limites de l’apprentissage par renforcement (AR). Alors que la représentation de l’espace d’état est classiquement basée sur une représentation propositionnelle, l’ARR offre une représentation plus riche de ce dernier par sa description sous forme relationnelle. La combinaison de la programmation logique inductive et de l’apprentissage par renforcement offre ainsi la possibilité de s’abstraire du but poursuivi à l’instant courant.
Elle permet par conséquent d’utiliser des algorithmes s’appuyant sur la structure relationnelle de l’espace d’état pour généraliser les résultats appris. Ce document tente de présenter les grands principes de l’ARR.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Mots clés&lt;/strong&gt; : &lt;em&gt;Relational Reinforcement Learning(RRL), ARR, Abstraction, Généralisation, Réutilisation.&lt;/em&gt;.&lt;/p&gt;


&lt;ul class=&#34;cta-group&#34;&gt;
  
  &lt;li&gt;
    &lt;a href=&#34;https://herpsonc.perso.lip6.fr/uploads/Apprentissage-par-Renforcement-Relationnel-ARR-Herpson2008.pdf&#34;  class=&#34;btn btn-primary px-3 py-3&#34;&gt;Télécharger&lt;/a&gt;
  &lt;/li&gt;
  
  
&lt;/ul&gt;

</description>
    </item>
    
    <item>
      <title>Une introduction à la construction et à l’utilisation des Arbres de Suffixes</title>
      <link>https://herpsonc.perso.lip6.fr/fr/post/arbresuffixes/</link>
      <pubDate>Mon, 10 Nov 2008 00:00:00 +0000</pubDate>
      <guid>https://herpsonc.perso.lip6.fr/fr/post/arbresuffixes/</guid>
      <description>&lt;p&gt;Travailler sur de grandes chaines de caractères et traiter celles-ci aﬁn d’en extraire les motifs récurrents par correspondance exacte ou approchée est un travail aujourd’hui courant pour les chercheurs en Sciences de la Vie ou en fouille de données.
Si l’on ne considère que la base de données GenBank, la taille et le nombre des séquences qui y sont stockées doubles tous les 16 mois. Cette augmentation nécessite par conséquent le développement de méthodes à même de répondre rapidement à de nombreuses requêtes sur des séquences toujours plus grandes, éventuellement distantes. Les arbres de suffixes sont une structure de données à même d’offrir une réponse rapide à des requetes s’apparentant à la recherche de motifs au sein d’une chaine de caractères.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Mots clés&lt;/strong&gt; : &lt;em&gt;Suffix Tree, Algorithme de Ukkonen, Algorithme de Hunt,TDD (Top-Down Disk-Based technique), recherche de motifs&lt;/em&gt;.&lt;/p&gt;


&lt;ul class=&#34;cta-group&#34;&gt;
  
  &lt;li&gt;
    &lt;a href=&#34;https://herpsonc.perso.lip6.fr/uploads/Arbres-de-Suffixes-Suffix-Tree-Construction-Herpson2008.pdf&#34;  class=&#34;btn btn-primary px-3 py-3&#34;&gt;Télécharger&lt;/a&gt;
  &lt;/li&gt;
  
  
&lt;/ul&gt;

</description>
    </item>
    
  </channel>
</rss>
