Grant: Discovery Grants Program - Individual

Au cours des 10 dernières années nous avons réalisé plusieurs systèmes de lecture automatique spécialisés pour la reconnaissance des noms de ville manuscrits, des chaînes numériques, des chiffres isolés, etc. Un effort particulier a été consacré pour la conception de systèmes modulaires pouvant s'adapter rapidement et économiquement à différentes tâches de lecture. Un problème fondamental, et souvent négligé, est de doter les systèmes de reconnaissance d'une capacité d'adaptation en présence de nouvelles données, de nouvelles caractéristiques, de nouvelles classes, etc. Les solutions proposées dans la littérature spécialisée sur la lecture automatique des documents manuscrits sont pour la plupart conçues pour les environnements statiques. L'hypothèse forte est alors que les paramètres du problème de reconnaissance sont parfaitement connus lors de la conception du système de classification et que ceux-ci ne changeront pas dans le temps. Conséquemment, ces systèmes ne sont pas aussi performants lorsqu'ils sont déployés dans le monde réel puisque ces environnements sont généralement dynamiques. L'objectif principal de notre programme de recherche réside dans la mise en oeuvre d'une méthodologie efficace pour la conception de systèmes de reconnaissance adaptatifs et évolutifs, capables d'apprendre incrémentalement sur des nouvelles données dans les environnements statiques et dynamiques. Cet objectif se traduit par plusieurs objectifs spécifiques à court terme reliés à la définition de méthodes robustes pour : (1) la sélection (supervisée et non supervisée) de caractéristiques, (2) la sélection dynamique de classifieurs et (3) pour l'apprentissage incrémental des ensembles de classifieurs adaptés aux environnements statiques et dynamiques. Afin de rencontrer ces objectifs, des algorithmes évolutionnaires (algo. génétiques, essaims de particules, etc) seront au centre de nos travaux. De plus, une nouvelle framework pour l'optimisation de problèmes dynamiques permettra une amélioration significative de la qualité des solutions et du coût computationnel.