GPA-779

Application des systmes experts et des rseaux de neurones

Cours #1: Plan

Syllabus du cours Plan dtaill Formation des quipes (durant la pause) Introduction lIntelligence Artificielle Dcouverte

Cours 1 - 2

GPA-779 Application des rseaux de neurones et des systmes experts

Syllabus

Cours 1 - 3

GPA-779 Application des rseaux de neurones et des systmes experts

Le livre couvre la matire sur les rseaux de neurones Les sances de labo sont dcrits en fin de chapitre, sous lintitul Travaux Pratiques Le site internet du livre
http://www.etsmtl.ca/livres/lepage/

contient les programmes et donnes pour les exercices de laboratoire

Cours 1 - 8

GPA-779 Application des rseaux de neurones et des systmes experts

Plan dtaill

Cours 1 - 10

GPA-779 Application des rseaux de neurones et des systmes experts

Laboratoire 1: Classification
4 3 2 1 0 -1 -2 -3 -4 -4

x2

* * ** ** *
-3 -2

+ ++ ++ ++
0 1 2 3 4 5

x1

-1

Cours 1 - 14

GPA-779 Application des rseaux de neurones et des systmes experts

Laboratoire 2: Primitives dune image

Extraction des caractristiques

Sous-image pour lapprentissage

Cours 1 - 15
GPA-779 Application des rseaux de neurones et des systmes experts

1- Choix dune base dapprentissage

586 vecteurs 3x3 dapprentissage sont slectionns (distance euclidienne plus grande que 0,17)

2- Construction du rseau
Sortie (arte)

Rseau rtro-propagation NI = 3x3

Couche cache

Nh = 6 No = 1

Entre

Cours 1 - 17

GPA-779 Application des rseaux de neurones et des systmes experts

3- Apprentissage 4- Gnralisation
ImageDesiree.pgm

ImageEntree.pgm

Slec tion des vec teurs pour lapprentissage base_vec t.cc vec teurs.pat

Cons truction du rseau SNNS lab2.net leo.pgm campanile.pgm cam.pgm frog.pgm etc.

apprentissage.param

Apprentissage batchman (SNNS)

batchman.log

lab2_out.net Gnralisation SNNS leo.res Conversion et mise--lchelle res2pgm.cc leo_bin.pgm Visualisation et impres sion de limage binairise xv, imagetool, etc. leo.pat Conversion et mise--lchelle pgm2pat.cc

Structure dappel des dif f rents programmes et chiers de donnes.

Laboratoires 3-5: Classification de chiffres

Cours 1 - 22

GPA-779 Application des rseaux de neurones et des systmes experts

Introduction lintelligence artificielle

Dfinition de l intelligence artificielle

LIntelligence Artificielle est ltude des moyens pour que lordinateur accomplisse des tches qui sont prsentement mieux ralises par les humains

Cours 1 - 24

GPA-779 Application des rseaux de neurones et des systmes experts

Domaines d application de l IA
Perception Tches routinires

Robotique

Vision

Parole

Tches formelles

Langages naturels

Rseaux neuroniques Systmes experts

Cours 1 - 25
GPA-779 Application des rseaux de neurones et des systmes experts

Sens commun

Domaines de l intelligence artificielle

Tches routinires
Perception

Vision Parole
Langage

naturel

Comprhension Gnration Traduction

Sens

commun Robotique
Cours 1 - 26
GPA-779 Application des rseaux de neurones et des systmes experts

Tches formelles
Jeux

checs Backgammon Dames

Mathmatiques

Gomtrie Logique Calcul intgral Preuves de thormes

Cours 1 - 27

GPA-779 Application des rseaux de neurones et des systmes experts

Systmes experts
Ingnierie

Conception Rparation, dverminage Planification industrielle

Analyse

scientifique Diagnostique mdical Analyse financire

Cours 1 - 28

GPA-779 Application des rseaux de neurones et des systmes experts

Rseaux neuroniques
Classification Apprentissage

supervis et non-supervis

Perceptron multicouche Rseaux auto-organiss Simulations biologiques

Imagerie

et reconnaissance de formes

Cours 1 - 29

GPA-779 Application des rseaux de neurones et des systmes experts

lments d un systme base de connaissance

Connaissances

tat initial
Cours 1 - 30
GPA-779 Application des rseaux de neurones et des systmes experts

But

Exemple: jeu de tic-tac-toe

Cours 1 - 31

GPA-779 Application des rseaux de neurones et des systmes experts

Exemple: jeu d checs

Cours 1 - 32

GPA-779 Application des rseaux de neurones et des systmes experts

L hypothse symbolique (Newell et Simons, ~1976)

Assomption
Un systme physique symbolique est constitu dun ensemble dunits, appels symboles, qui sont des formes physiques qui peuvent tre des composantes dun autre type dunit, appel expression ou structure de symboles. Une expression est donc compose dinstances de symboles relis physiquement les uns aux autres. tout moment, le systme contient une collection de processus qui oprent sur ces expressions pour en produire dautres: on aura des processus de cration, de modification, de reproduction et de destruction. Un systme physique symbolique est une machine qui produit dans le temps une collection volutive de structures de symboles. Un tel systme existe dans un monde dobjets qui englobe les expressions symboliques elles-mmes.

Cours 1 - 33

GPA-779 Application des rseaux de neurones et des systmes experts

Hypothse
Un systme physique symbolique possde tous les moyens ncessaires et suffisants pour produire des actions gnrales intelligentes.

Cours 1 - 34

GPA-779 Application des rseaux de neurones et des systmes experts

Test de Turing

Cours 1 - 35

GPA-779 Application des rseaux de neurones et des systmes experts

Architecture d un systme expert

Base de connaissances Faits

Usager
Expertise Machine dinfrence

Cours 1 - 36

GPA-779 Application des rseaux de neurones et des systmes experts

Avantages des systmes experts

Accessible Cot rduit Permanence Expertise multiple Suret

Explications du raisonnement Rponse rapide Non-motivit Tuteur intelligent Base de donnes intelligente

Cours 1 - 37

GPA-779 Application des rseaux de neurones et des systmes experts

Approche connexioniste

Paradigme du cerveau Parrallisme massif Connaissance

Distribue Poids des connexions Activation synchrone ou asynchrone des neurones

Recherche de solution

Voie de recherche de solutions pour des problmes faciles pour un humain mais trs difficiles pour un ordinateur

Reconnatre un visage Conduire sous la pluie

GPA-779 Application des rseaux de neurones et des systmes experts

Cours 1 - 38

Avantages des systmes connexionistes

Stockage rparti (tolrance aux fautes) Dgradation graduelle des performances Mmorisation associative (par contenu). Rappel partiel. Extrapolation et interpolation des donnes Plasticit

Portion de rseau dtruite transfert dans une autre partie par apprentissage.

Cours 1 - 39

GPA-779 Application des rseaux de neurones et des systmes experts