Professional Documents
Culture Documents
Patrice Bellot
Intelligence artificielle
Patrice Bellot
Rgles
Rsolutions
Algorithmes de recherche
un ific at ion
dpart
arrive
Patrice Bellot 3
Minimum local
Rseaux de neurones
Cerveau humain
Centaines de milliards de cellules Architecture massivement parallle Fonctions de bas-niveau, pondration des cellules
Entres Sorties Sorties attendues
Patrice Bellot
Algorithmes gntiques
Exploration de dizaines ou de centaines de solutions simultanment Etat du problme = une chane = un chromosome 110010101 Fonction dvaluation : score des chromosomes Slection des chromosomes
Procration (crossover)
Mutations possibles
Patrice Bellot
Paramtres
Taille de la population, mode de slection, nombre de gnrations, frquence des mutations
6
Reprsentation de la connaissance
Connaissance ?
Faits, relations, formules, rgles, hirarchies dobjets
Relations ?
Bases de donnes relationnelles, Structured Query Language (SQL)
Patrice Bellot
Rseaux smantiques
WordNet, Ontologies
Patrice Bellot
Reprsentation de lincertitude
Rseaux bayesiens
(graphe dirig reprsentant les dpendances entre variables)
P(Y ) P( X )
8
3 types dobjets
Variables (individuelles : ?price ; squences : @cart) Oprateurs (sur termes/objets, rgles dinfrence, phrases/faits et dfinitions de constantes) Constantes (noms dobjets, relations, conditions boolennes, fonctions sur les objets)
(GetStockPrice ?price) (IntegerCompare ?price > 150)
rcupre le prix et place le dans une variable price puis tester sil est suprieur 150
Patrice Bellot 9
Patrice Bellot
10
Raisonnement
Forward-chaining Systme base de rgles si-alors et de clauses Production de nouveaux faits
Patrice Bellot
11
Patrice Bellot
12
Patrice Bellot
13
Patrice Bellot
14
Forward-chaining
Chaque rgle est teste (antcdent) en fonction des donnes Cycle dinfrences
(ajout de connaissances)
Patrice Bellot
15
Patrice Bellot
16
Mthodes dapprentissage
Classification automatique
Dtection de patterns rcurrents
Patrice Bellot
Data Mining
Le Data Mining est le procd qui consiste dcouvrir des corrlations nouvelles et utiles, des irrgularits et des tendances en explorant de grands volumes de donnes stockes laide de techniques statistiques, mathmatiques ou issues de la reconnaissance des formes (Gartner Group) Ensemble de techniques permettant dextraire des modles dune base de donnes historises par raisonnement statistique (dduction ou induction approches) afin de dcrire les comportements actuels et/ou de prdire le comportement futur dun procd (Georges Gardarin, PRISM) Le Data Mining est lextraction dinformations de grandes bases de donnes. Il sagit du processus de prsentation automatique de rgles des oprateurs qualifis, pour examen. Ici lhumain joue un rle essentiel car lui seul peut dcider de lintrt dune rgle pour lentreprise (IBM)
18
Patrice Bellot
Analyse de trafic dun site Web Etude des clients dun site
Alexa.com
25 sites les plus visits en amont (resp. en aval)
Patrice Bellot
19
Analog
Analyse des fichiers log des serveurs
WebTrends
Reconstitution de sessions partir de hits (IP, mots de passe ou cookies) Nombre de pages vues, dure moyenne dune session, nombre de visiteurs, origine gographique des visiteurs, sites dorigine
20
http://www.analog.cx/
Patrice Bellot
Harvard
NIST
Patrice Bellot 21
cookie Internet
Pages statiques
Base de donnes
client
Page dynamique personnalise
serveur
Base de clients
Patrice Bellot
22
Exemple : http://www.bluemartini.com/software/
Patrice Bellot 23
http://aztec.cs.depaul.edu/scripts/ACR2/session.pl?/index.html
Patrice Bellot
24
Patrice Bellot
25
Modle vectoriel
terme 3
terme 2
terme 1
Patrice Bellot
N n mi
(a)
wi, D =
( )
2
N tf m j , D . log n m j j / m j D
log
N n mi
( )
N - n mi
wi, R = log
( ) n ( mi )
N n mi
wi, D = log
N n mi
( )
) )
2
wi, R = log
wi, R
wi, D = 1
wi, D = tf m i, D
( ) N - n( m ) = log n( m )
i i
(e) (f)
Patrice Bellot
j / m j D
tf m j, D
wi, R = tf mi , R
wi, D = 1
wi, R = 1
Modles de langage
Probabilit dun mot sachant son historique Thmatiques prdfinies art histoire politique conomie
Mart
Mhist
Mpol
Mco
Question
? non
documents
squences de mots
Assignation
Fonctionnalits
Catgorisation (classification) Classification (clustering) Prdiction Recherche gntique
http://www.research.ibm.com/able/index.html
Patrice Bellot 31
Utilise KQML
Patrice Bellot
32
Patrice Bellot
Jess
Implmentation en Java du shell systme-expert (CLIPS) http://herzberg.ca.sandia.gov/jess
Patrice Bellot
Bibliographie Cette partie du cours est base sur le livre : Constructing Intelligent Agents Using Java J.P. Bigus & J. Bigus Wiley, 2001
Patrice Bellot
35