De l'importance des actions : assignation de crédit et interprétabilité pour l'apprentissage par renforcement
On actions that matter : credit assignment and interpretability in reinforcement learning
Interprétabilité
Explicabilité
Prise de décision séquentielle
Neural networks
Reinforcement Learning
Explainability
Machine Learning
Interpretability
Apprentissage par renforcement (intelligence artificielle)
Réseaux neuronaux (informatique)
Processus de Markov
Cette thèse, écrite pour l'obtention du doctorat en Informatique, étudie la question de l'importance individuelle des actions dans la prise de décision séquentielle, via le prisme de l'Apprentissage par Renforcement, avec diverses applications.Une découverte importante de ce travail est que deux problèmes ouverts en apparence distincts en Apprentissage par Renforcement, à savoir le problème d'assignation de crédit et l'interprétabilité, ont des solutions partielles qui impliquent des outils communs qui peuvent être vus comme des estimations de formes particulières d'importance des actions.Des algorithmes qui correspondent à des formes distinctes d'importance des actions sont proposées et étudiées empiriquement, d'un point de vue plus théorique, ou les deux.
This thesis, written for the qualification of Doctor of Philosophy in Computer Science, studies the question of the individual importance of actions in sequential decision-making, through the lens of Reinforcement Learning, and with diverse applications.An important finding of this work is that two seemingly different open problems in Reinforcement Learning, namely the credit assignment problem and explainability, have partial solutions that involve similar tools that can all be viewed as the estimation of particular forms of action importance.Several algorithms that suit different forms of action importance are proposed and studied from a theoretical point of view, empirically, or both.
Electronic Thesis or Dissertation
Text
en
PDF
30308592
https://pepite-depot.univ-lille.fr/LIBRE/EDMADIS/2022/2022ULILB018.pdf
https://theses.hal.science/tel-03958482
https://theses.hal.science/tel-03958482
https://theses.hal.science/tel-03958482
https://theses.hal.science/tel-03958482
https://theses.hal.science/tel-03958482
https://theses.hal.science/tel-03958482
https://theses.hal.science/tel-03958482
https://theses.fr/2022ULILB018/abes
https://theses.hal.science/tel-03958482
https://theses.hal.science/tel-03958482
https://theses.hal.science/tel-03958482
Ferret
Johan
Ferret
1994-07-30
FR
266683266
https://theses.fr/2022ULILB018
2022ULILB018
https://doi.org/10.70675/864521d1zfe50z4051z8dbdz67a3d85ea660
2022-07-04
Informatique et applications
Université de Lille (2022-....)
259265152
Doctorat
Docteur es
non
oui
Preux
Philippe
MADS_DIRECTEUR_DE_THESE_1
059896353
Pietquin
Olivier
MADS_DIRECTEUR_DE_THESE_2
142821861
Filliat
David
MADS_PRESIDENT_DU_JURY
070072337
Ofra
Amir
MADS_MEMBRE_DU_JURY_1
266743439
Weber
Théophane
MADS_MEMBRE_DU_JURY_2
266744184
Geist
Matthieu
MADS_MEMBRE_DU_JURY_3
142341819
Filliat
David
MADS_RAPPORTEUR_1
070072337
Moutarde
Fabien
MADS_RAPPORTEUR_2
188916172
École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....)
MADS_ECOLE_DOCTORALE_1
258621362
Centre Inria de l'Université de Lille
MADS_PARTENAIRE_DE_RECHERCHE_1
104752
185432247
Centre de Recherche en Informatique, Signal et Automatique de Lille
MADS_PARTENAIRE_DE_RECHERCHE_2
410272
18388695X
ddc:004
Preux
Philippe
Pietquin
Olivier
Filliat
David
Ofra
Amir
Weber
Théophane
Geist
Matthieu
Filliat
David
Moutarde
Fabien
Ecole doctorale Mathématiques, sciences du numérique et de leurs interactions (Lille)
Institut national de recherche en informatique et en automatique (Inria Lille - Nord Europe)
Centre de recherche en informatique, signal et automatique de Lille (CRIStAL)
PDF
30308592