Par Sylvain Iloga, Université de Maroua – UMMISCO
Afin de suivre aisément ce cours, il est conseillé de se documenter préalablement sur:
– Les éléments de base sur les processus stochastiques.
– La notion de chaîne (séquence) de Markov et de MMC
– Les 3 principaux algorithmes relatifs aux MMC (Forward-Backward, Viterbi, Baum-Welch)
– Les techniques de comparaison de deux MMC
Ci-dessous quelques références intéressantes
– RABINER, Lawrence R. “A tutorial on hidden Markov models and selected applications in speech recognition”. Proceedings of the IEEE, 1989, vol. 77, no 2, p. 257-286.
– http://webfractales.free.fr/site_fractale/fichier/Rapport_MMC_BaumWelch.pdf
– SAHRAEIAN, Sayed Mohammad Ebrahim et YOON, Byung-Jun. “A novel low-complexity HMM similarity measure”. IEEE Signal Processing Letters, 2011, vol. 18, no 2, p. 87-90.
Bases théoriques
- Définition d’un modèle de Markov caché (MMC).
- Probabilité d’observation d’une séquence sachant un MMC: Algorithme Forward- backward.
- Entrainement d’un MMC pour l’apprentissage d’une ou de plusieurs séquences: Algorithme de Baum-Welch.
- Similarité entre deux MMC.
Pratique et applications
- Comparaison d’ensembles finis d’histogrammes et applications.
- Comparaison d’ensembles finis d’arbres et de graphes et applications.
Sylvain Iloga a obtenu son Diplôme d’Etudes Approfondies en Informatique en 2008 à l’Université de Yaoundé 1 (UY1). Depuis Janvier 2010, il exerce comme enseignant au département d’Informatique de l’école normale supérieure de Maroua. En Janvier 2018, il a soutenu sa thèse de doctorat PhD, sous la codirection des professeurs Maurice Tchuenté de l’UY1 et Olivier Romain de l’Université de Cergy-Pontoise (UCP). Par ailleurs, il effectue actuellement sa deuxième année de stage de recherche et d’enseignement au département de Génie Electronique et Informatique Industrielle de l’IUT de Cergy-Pontoise. Ses recherches portent principalement sur la conception des taxonomies en vue d’une classification hiérarchique, sur la fouille de données séquentielles, sur l’apprentissage à l’aide des modèles de Markov cachés, et sur l’implémentation d’architectures reconfigurables basées sur la technologie FPGA.