Reference : L’apprentissage au secours de la réduction de dimension pour des problèmes d’optimisation
Scientific congresses and symposiums : Paper published in a book
Engineering, computing & technology : Computer science
http://hdl.handle.net/2268/65025
L’apprentissage au secours de la réduction de dimension pour des problèmes d’optimisation
French
Ben Abbes, Ala mailto [ > > ]
Rachelson, Emmanuel mailto [Université de Liège - ULiège > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Systèmes et modélisation >]
Diemer, Sébastien mailto [ > > ]
19-May-2010
Actes de la Conférence Francophone d'Apprentissage
[en] Proceedings of the French Machine Learning Conference
Yes
No
National
Conférence Francophone d'Apprentissage
17-19/05/2010
Clermont-Ferrand
France
[fr] selection de variables ; boosting ; gestion de production
[en] Pour assurer la stabilité du réseau électrique, la production doit être ajustée en quasi temps réel à la consommation. Cet ajustement ne peut porter que sur un nombre limité de centrales et doit être effectué dans des délais réduits. La combinatoire du problème rend la recherche d’un optimum économique par des méthodes d’optimisation classiques très difficile. Ce travail cherche à montrer l’intérêt d’utiliser des algorithmes d’apprentissage supervisé performants comme le Boosting, pour sélectionner les centrales à redéclarer. Cette sélection préalable permet ensuite de réduire considérablement le temps de l’optimisation des programmes de production tout en garantissant l’optimalité économique.
Researchers ; Professionals ; Students
http://hdl.handle.net/2268/65025

File(s) associated to this reference

Fulltext file(s):

FileCommentaryVersionSizeAccess
Open access
cap10-court.pdfAuthor postprint103.85 kBView/Open

Additional material(s):

File Commentary Size Access
Open access
CAp-poster.pdfPoster associé.251.1 kBView/Open
Open access
CAp10-pres.pdfPrésentation du poster.1.84 MBView/Open

Bookmark and Share SFX Query

All documents in ORBi are protected by a user license.