Uribe, Juan Sébastian2024-03-152024-03-152014https://repository.eia.edu.co/handle/11190/647568 páginasLe diagnostic de pannes complexes sur des véhicules automobiles est pour l’instant réalisé par des experts lorsque les outils de diagnostic automatique ne fonctionnent pas. Le but de cette étude est de poursuivre les travaux antérieurs sur la réalisation d'un apprentissage artificiel à partir d’une base de données répertoriant les pannes antérieures pour aider les experts du diagnostic, en ajoutant de nouvelles contraintes sur les sorties du classifieur. Ainsi, plusieurs résultats seront proposés avec pour chacun une probabilité de vraisemblance associée. Les outils et algorithmes qui seront développés sont basés sur les machines à vecteurs de support (SVM) et la régression logistique multi-classes.Abstract: Nowadays, fault diagnosis on complex vehicles is carried out by experts when the automatic diagnostic tools do not work. We will continue the previous work done about the feasibility study of implementing machine learning from a database of past failures to help the diagnosis experts, adding new demands made by PSA. For accomplishing this objective, we will use different classification techniques based in multi-class support vector machines (SVM) and logistic regression.application/pdffraDerechos Reservados - Univesidad EIA - 2014Trabajo de grado - PregradoAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/openAccessApprentissage artificielDiagnostic automobileMachines à vecteurs de supportMulti-classesRégression logistiqueArbre de décision binairehttp://purl.org/coar/access_right/c_abf2