|
PASTIS
|
|
|
GRAS
Graphes, Représentativité, Apprentissage et Symétries
Le projet GRAS "Graphes, Représentativité, Apprentissage et Symétries" propose d'étudier le lien entre jeux théoriques et jeux pratiques, au travers du transfert d'apprentissage. D'un point de vue théorique, le projet vise à étudier des jeux combinatoires, à énoncer des propriétés et à fournir des preuves de ces propriétés. D'un point de vue pratique, le projet vise à résoudre des jeux à information imparfaite, en définissant le meilleur coup, le meilleur choix et une stratégie optimale. L'étude de ces jeux est pertinente pour de nombreux domaines (mathématiques appliquées, économie, biologie, sciences politiques, informatique et ingénierie) où ils sont utiles pour modéliser et résoudre des problèmes.
Le projet GRAS est divisé en deux parties. La première est théorique et concerne l'utilisation de la théorie des graphes et de l'analyse de la combinatoire pour représenter les stratégies de jeu. La deuxième partie est concerne l'application du même processus de définition de stratégies dans le cas de jeux dont la forme implique de substituer l'analyse combinatoire complète par une solution heuristique incomplète. Dans cette deuxième partie, la solution combinant la théorie des graphes et le transfert d'apprentissage pour résoudre les jeux à information imparfaite, où les joueurs ont des informations partielles sur le jeu.
Bibliographie
- R. W. Gardner et al. «The First International Competition in Machine Reconnaissance Blind Chess». In: Proceedings of the NeurIPS 2019 Competition and Demonstration Track, Proceedings of Machine Learning Research. PMLR, 2020, p. 121-130.
- O. Morgenstern and J. Von Neumann. «Theory of games and economic behavior». Princeton university press, (1953).
- D. Perrin and J. É. Pin. «Infinite words: automata, semigroups, logic and games». Academic Press, (2004).
- M.H. Tsai, Y.K. Tsay and Y.S. Hwang. «GOAL for games, omega-automata, and logics». International Conference on Computer Aided Verification. Springer, Berlin, Heidelberg. (2013), p. 883-889.
- T. Colcombet and N. Fijalkow. «Universal Graphs and Good for Games Automata: New Tools for Infinite Duration Games». FoSSaCS (2019), p. 1-26.
- Q. Cohen-Solal and T. Cazenave. «Minimax Strikes Back», Reinforcement Learning in Games at AAAI, (2021).
- F. Zhuang, Z. Qi, K. Duan, D. Xi, Y. Zhu, H. Zhu, H. Xiong and Q. He. «A comprehensive survey on transfer learning». Proceedings of the IEEE, 109(1), (2020) p.43-76.
- C. Raffel, N. Shazeer, A. Roberts, K. Lee, S. Narang, M. Matena, Y. Zhou, W. Li and P.J. Liu. «Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer». Journal of Machine Learning Research, 21, (2020), p.1-67.
- Y. Pathak, P.K. Shukla, A. Tiwari, S. Stalin, S. Singh. «Deep transfer learning based classification model for COVID-19 disease». Irbm, (2020).
- Z. Wu, H. Jiang, K. Zhao and X. Li. «An adaptive deep transfer learning method for bearing fault diagnosis. Measurement». 151, (2020), p.107227.
Membres
Francesco Dolce
Chercheur
Université Technique Tchèque à Prague (Tchéquie)
Faculté d'Informatique
| Bureau | A-1429 |
| Adresse | Thákurova 2077/7 160 00, Praha 6 - TCHEQUIE |
| dolcefra hat fit.cvut.cz |
Nicolas Jouandeau
Professeur
Université Paris 8
Dépt. Programmation Informatique Fondamentale
Groupe de recherche PASTIS
Licence Informatique & Vidéoludisme
| Bureau | A184 |
| Adresse | 2, rue de la Liberté - 93526 Saint-Denis Cedex 02 - FRANCE |
| n hat up8.edu |
Revekka Kyriakoglou
Maître de conférences
Université Paris 8
Dépt. Programmation Informatique Fondamentale
Groupe de recherche PASTIS
Licence Informatique & Vidéoludisme
| Bureau | A178 |
| Adresse | 2, rue de la Liberté - 93526 Saint-Denis Cedex 02 - FRANCE |
| kyriakoglou hat up8.edu |