Séance Séminaire

Séminaire des Doctorant·e·s

Extraction d'ensembles de motifs contrastés, entre discret et optimisation continue

Orlane Lequellenec (remplacement problème SNCF) Les maladies humaines telles que le cancer impliquent un suivi `a long terme. Un·e patient·e alterne des phases de rémission et de rechutes. Un biomarqueur est monitor ́e tout au long du suivi. Sa dynamique est mod ́elis ́ee par un processus de Markov d ́eterministe par morceaux (PDMP) contrˆol ́e. Le PDMP ́evolue en temps et en espace continus, le processus est partiellement observ ́e `a travers un bruit et certains de ses param`etres sont inconnus, ce qui rend le probl`eme du contrˆole particuli`erement difficile. A notre connaissance, il n’existe pas de m ́ethode pour contrˆoler un tel PDMP, c’est-`a-dire pour maximiser la vie du·de la patient·e tout en minimisant le coˆut du traitement et les effets secondaires. Dans un premier temps, nous consid ́erons des dates discr`etes uniquement pour les d ́ecisions, transformant ainsi le PDMP contrˆol ́e en un processus de d ́ecision markovien (`a espaces d’ ́etats continus) partiellement observ ́e (POMDP). Ensuite, par le biais de simulations, nous comparons les m ́ethodes d’apprentissage par renforcement bay ́esiennes et non-bay ́esiennes pour r ́esoudre ce POMDP.