3. Conclusion
Dans cet article, le problème d'apprentissage des modèles ou classifieurs dans un environnement non-stationnaire a été étudié. Des méthodes et techniques adaptées pour l'apprentissage des classifieurs efficaces pour ce type d'environnement ont été présentées et analysées. Ces méthodes ont été classifiées comme le montre la figure 11 . Chacune de ces méthodes a ses avantages et ses inconvénients. Le choix d'une méthode dépend globalement des caractéristiques des changements potentiels de l'application, comme le montre la figure 12 .
Il y a très peu de travaux
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Conclusion
Sources bibliographiques
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Article inclus dans l'offre
"Technologies logicielles Architectures des systèmes"
(
408 articles
)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
