Advances in Self-Organizing Maps, Learning Vector Quantization, Interpretable Machine Learning, and

Le livre "Advances in Self-Organizing Maps, Learning Vector Quantization, Interpretable Machine Learning" présente les contributions évaluées par des pairs du 15e atelier international sur les cartes auto-organisatrices, la quantification vectorielle d'apprentissage et au-delà (WSOM+ 2024), qui s'est tenu à l'Université de Mittweida en Allemagne du 10 au 12 juillet 2024. Il met en lumière les nouvelles avancées dans le domaine de l'apprentissage automatique interprétable et explicable, en particulier pour les tâches de classification, de compression et de visualisation des données. L'accent est mis sur les méthodes basées sur des prototypes, qui sont par nature interprétables, économes en calcul et robustes, ce qui en fait des méthodes privilégiées pour des tâches d'apprentissage automatique avancées dans une variété d'applications allant de la biomédecine à l'aérospatiale, en passant par l'ingénierie, l'économie et les sciences sociales. La flexibilité et la simplicité de ces approches permettent également l'intégration d'aspects modernes tels que les architectures profondes, les méthodes probabilistes et l'apprentissage par pertinence. Le livre reflète à la fois de nouveaux aspects théoriques et des cas d'application intéressants dans ce domaine de recherche.