« Smart Sampling Design : Augmentation des données pour les problèmes de régression en grandes dimensions »

Actuellement, les approches d’apprentissage automatique sont largement utilisées pourcomprendre et modéliser des systèmes physiques complexes. En général, il est nécessaire de collecter un nombre important d’échantillons pour créer un modèle fiable. Cependant, collecter beaucoup de données est souvent couteux que ce soit en termes de temps ou d’argent. Pour pallier a ce probleme, de nouvelles approches basées sur des techniques d’échantillonnage intelligentes, telles que les méthodes d’apprentissage actif, ont été étudiées afin de minimiser le nombre d’échantillons requis pour former un modèle sur.D’autre part, les problèmes industriels tendent `a devenir de plus en plus complexes, faisant notamment intervenir un plus grand nombre de paramètres. Or, pour traiter des problèmes en grandes dimensions il est nécessaire d’avoir un grand nombre de données. Cela est du à la malédiction de la dimensionnalité.Cependant, la plupart des méthodes d’apprentissage actif ne fonctionnent pas en grande dimensions. C’est pourquoi, une technique combinant l’information de Fisher et la Proper Generalized Decomposition (s-PGD) est proposée. Elle permet alors de définir un nouveau critère d’information pour l’apprentissage actif efficace en grande dimensions.De plus, la plupart des méthodes d’apprentissage actif dépendent fortement de l’initialisation, ce qui génère un cout de calcul élevé car l’initialisation choisie n’est pas forcement la plus optimale. En effet, cela nécessite de faire plusieurs calculs et de moyenner les résultats afin de garantir la fiabilité globale.Le scenario choisit pour sélectionner le prochain échantillon peut également etre source de couts élevés.Pour faire face ces problèmes, une étude a été réalisée et les méthodes précédentes ont été améliorées en conséquence. D’abord en sélectionnant une initialisation appropriée. Puis, en proposant une modélisation du critère ou une approche dérivative permettant de sélectionner plus efficacement le prochain exemple à ajouter à la base d’entrainement.Enfin, pour des applications expérimentales, construire un modèle pas à pas n’est pas forcement le plus adapté à cause de la disponibilité des opérateurs et des machines ou des temps de repos. Cependant, les méthodes d’apprentissage actif sont particulièrement intéressantes pour ce type d’applications car elles permettent de réduire considérablement la quantité de données nécessaires et donc le cout global. De plus, l’apprentissage actif nécessite souvent l’ajout de points dans une meme zone de l’espace paramétrique. C’est pourquoi, l’ajout de plusieurs échantillons à chaque étape de l’apprentissage actif etson impact sur l’ensemble des performances ont été étudiés.Les méthodologies développées sont testées sur des fonctions polynomiales théoriques en 5 et 15 dimensions, deux simulations de crash industriel en 3 et 9 dimensions, et et une application expérimentale en formulation chimique via la conception d’une mousse démaquillante.