2010.bib

@comment{{This file has been generated by bib2bib 1.98}}

@comment{{Command line: bib2bib -ob ./bibs/2010.bib -c year=2010 mesPublis.bib}}

@inproceedings{gandar2010generate,
  title = {How to generate data for approximating multidimensional surfaces? Application to the approximation of viability kernels},
  author = {Gandar, Benoît and Loosli, Gaëlle and Deffuant, Guillaume},
  booktitle = {Workshop on Active Learning and Experimental Design, AISTATS Conference},
  year = {2010}
}

@inproceedings{gandar2010comment,
  title = {Démonstration : Comment répartir des points pour apprendre sans a priori},
  author = {Gandar, Benoît and Loosli, Gaëlle and Deffuant, Guillaume},
  booktitle = {Conférence francophone sur l'apprentissage automatique, Clermont-Ferrand (France)},
  year = {2010},
  abstract = {Nous nous intéressons à la manière de générer un nombre fini de points d’apprentissage dans le cadre d’un apprentissage actif. Ce problème se rencontre dans divers
  contextes tels que l’optimisation de méta-modèles en ingénierie, l’approximation de
  fonctions, ou la modélisation d’interactions entre variables sans connaissances a priori.
  Il est bien connu que plus les données sont nombreuses, plus la modélisation est de
   bonne qualité. Cependant obtenir des données peut être coûteux ou destructif notamment en chimie, géologie, biologie ou simulations informatiques. 
  Supposons que l’expérimentateur n’ait la possibilité d’obtenir qu’uniquement n points 
  d’apprentissage. Comment doit-il générer son plan d’expérience sans a priori ? La solution consiste à répartir les points d’une manière uniforme sur tout l’espace d’étude.
   Mais comment générer des points uniformes ? Cette question qui paraît anodine au premier regard et en fait assez complexe. Une solution naturelle consiste à générer une
  suite de points de manière aléatoire. Une autre solu tion consiste à utiliser une grille régulière. Mais le problème demeure entier lorsque le
  nombre de points à notre disposition n’est pas adéquat pour une telle répartition .}
}