Méthodes à noyaux basées sur des graphes pour l'approximation de fonctions numériques
Résumé
L'utilisation de méthodes à noyaux pour l'apprentissage de fonctions numériques coûteuses à évaluer est largement développée depuis une vingtaine d'années. En particulier, le krigeage et les processus gaussiens sont employés avec succès pour analyser des grands codes de calcul industriels qu'on rencontre dans des secteurs industriels variés (automobile, industrie pétrolière, nucléaire, etc.). Dans ce cadre, on peut améliorer sensiblement la précision des modèles en étudiant les cliques du graphe des "interactions totales" de la fonction considérée. La structure du graphe conduit alors naturellement à des classes de noyaux additifs par blocs. Les comparaisons avec des noyaux standard seront effectuées sur des fonctions analytiques tests, et des cas réels en mécanique.