SCOOL est une équipe de recherche en apprentissage automatique.
SCOOL est dédié à l’étude de la prise de la décision séquentielle dans un environnement incertain, en particulier sur les problèmes de bandits et d’apprentissage par renforcement. Nous mettons l’accent sur les environnements non stationnaires et l’apprentissage continuel. Nous cherchons à concevoir des algorithmes ayant une efficacité garantie, en tenant compte de contraintes d’applications réalistes.
Concernant les champs d’application, nous favorisons les travaux en lien avec le secteur de la santé, celui du développement durable en particulier en agriculture et l’agro-écologie. Les activités vont de la recherche fondamentale à la valorisation au travers de collaborations ou contrats avec des partenaires académiques et privés.
Philippe Preux
Vérification du biais des algorithmes d'apprentissage automatique à l'aide de l'échantillonnage adaptatif et de l'apprentissage en ligne
Apprentissage par renforcement (RL) à l'aide de réseaux de neurones sur graphes pour l'optimisation combinatoire
Apprentissage par renforcement basé sur des modèles appliqués au contrôle avancé des procédés industriels
Apprentissage par renforcement sous contraintes
Apprentissage par renforcement continu en environnement dynamique
Représentations sémantiques pour l'apprentissage par renforcement interprétable
Algorithmes de bandit pour les essais cliniques précoces en vaccinologie
Vers la réduction du fossé entre l'induction et la déduction : le cas de l'apprentissage par renforcement
Tests adaptatifs sous contraintes de frugalité
Défis réels pour la théorie de l'apprentissage par renforcement
Compromis entre Confidentialité et Utilité dans la Prise de Décision Séquentielle dans l’incertain 26/11/2024
Résoudre les problèmes d'exploration pure avec l'approche Top Two 14/06/2024
Apprentissage par démonstrations : transfert des motivations humaines aux algorithmes 14/12/2022
Algorithmes non paramétriques pour bandits multi-bras 05/12/2022
Exploration d’états buts pour l’apprentissage par renforcement 06/07/2022
Exploration en apprentissage par renforcement : au-delà des espaces d'états finis 18/03/2022
Apprentissage par Renforcement Profond Efficace pour le Contrôle, l’Exploration et la Sûreté 06/10/2021
Méthodes adaptatives pour l’optimisation dans un environnement stochastique 29/09/2021
Apprentissage automatique séquentiel pour les systèmes éducatifs intelligents 15/12/2020