@ARTICLE{10.21494/ISTE.OP.2021.0690, 

TITLE={Apprentissage en Profondeur Dépendant du Contexte}, 
  
AUTHOR={Roy M. Turner, Cynthia Loftin, Alexander Revello, Logan R. Kline, Meredith A. Lewis, Salimeh Yasaei Sekeh, }, 
	
JOURNAL={Modélisation et utilisation du contexte}, 
	
VOLUME={4}, 

NUMBER={Numéro spécial}, 
	
YEAR={2021}, 

URL={https://www.openscience.fr/Apprentissage-en-Profondeur-Dependant-du-Contexte}, 
	
DOI={10.21494/ISTE.OP.2021.0690}, 
	
ISSN={2514-5711}, 
	
ABSTRACT={La représentation explicite du contexte d’un agent a montré avoir de nombreux avantages, qui devraient aussi pouvoir s’appliquer à l’apprentissage symbolique (CDDL). Dans ce papier nous décrivons une approche pour faire ceci qui est appelée apprentissage en profondeur dépendant du contexte. Cette approche est basée sur des travaux antérieurs sur le comportement médiatisé par le contexte qui utilise des schémas contextuels (c-schémas) pour représenter des classes de représentations avec les connaissances utiles pour elles. Ces c-schémas sont rappe-lés pour guider le raisonnement dans les contextes correspondant. CDDL stocke les connaissances sur la structure du réseau neuronal profond et des pondérations dans les c-schémas, connaissances qui permettent un apprentissage contextualisé spécifique. Ce travail est réalisé dans le domaine de la détection des oiseaux de mer sur des images aériennes d’iles pour des biologistes.}}