Modélisation et apprentissage des préférences par réseaux de neurones

La modélisation des préférences des décideurs pour des problèmes de choix est l’objet principal de ce travail. Afin d’obtenir des modèles plus réalistes, des fonctions de préférence contextuelle sont présentées dans cet ouvrage. La complexité d’expression de telles fonctions est réduite par le recours à des techniques d’apprentissage automatique à partir de réseaux de neurones. L’identification des fonctions de préférence est réalisée par des réseaux de neurones, fondés sur les principes de la régression non linéaire, à partir d’exemples de décision. La visualisation de la fonction apprise et les indicateurs de précision, de sensibilité et de robustesse permettent au décideur d’estimer le moment d’arrêter la recherche de solutions. Les fonctionnalités d’explication développées dans ce travail permettent de justifier les recommandations du réseau neuronal, ce qui constitue un des grands défis du domaine de l’aide à la décision multicritère et des réseaux neuronaux. De telles explications facilitent la prise de décision car elles permettent aux décideurs de mieux comprendre et justifier les décisions.