Académique Documents
Professionnel Documents
Culture Documents
Introduction:
Machine Turning:
bande infinie, tete de lecture.
Exemple:
bande: abababaaaa
current state: q
Configuration:
SqT , where:
q: current state
S: content in the left; ex: ababa
T: content in the right; ex: baaaa
At the start: q0 w
Transition:
Une transition de la forme p, a → q, b, X, where:
p: current state
q: next state
a: current letter, and it's going to be replaced with b
X: direction (G: gauche; D: Droite).
Exemple:
ucpav → uqcbv si p, a → q, b, G est une transition.
Note: a is always the letter to the right of p the current state, even if going to the left.
Exemple:
start from q1, read all the zeros and stay in q0, if we read 1, we go back and forth to and
from q2 and we end-up in q1, this means that number of 1 is pair , else it's impair .
Logique et prédicat:
Introduction:
L’alphabet de la logique des prédicats est constitué de:
Insatisfabilité:
Une fbf est inconsistante ou insatisfiable si et seulement si elle est fausse dans toute
interprétation
∼ A∧ A
Une fbf A est consistante ou satisfiable
si et seulement si elle n’est pas inconsistante
si il existe une interprétation i telle que i[A] = V
si elle admet un modèle
A ∨ B et A ∧ B sont deux formules consistantes il suffit que A et B soient vraies.
Conséquence logique:
A est une conséquence logique de E si et seulement si toutes les interprétations qui
rendent vraies toutes les formules de E rendent vraie la formule A. On écrit alors E |= A.
On dit qu’une formule C est une conséquence logique de H1 ...Hn
si et seulement si tout modèle de H1 ...Hn est un modèle de C
si et seulement si H1 ∧ H2 ∧ ... ∧ Hn → C est valide. Dans ce contexte les formules
Hi sont les hypothèses et C est la conclusion.
Universel négatif:
∀x(f (x) → ∼ g (x))
Aucun F n’est G
Il n’y a aucun F et G
Rien n’est à la fois F et G
Les F et G n’existent pas
Particularité affirmative:
∃x(f (x) ∧ g (x))
Quelque F est G
Il y a des F et G
Quelque chose est à la fois F et G
Il y a un F et G
Des F et G existent
Particularité négative:
Particularité négative
∃x(f (x)∧ ∼ g (x))
Quelque F n’est pas G
Il y a des F et non G
Quelque chose est à la fois F et non G
Il y a un F et non G
Des F et non G existent
Systemes Experts:
Introduction:
Les objectifs d’un Systèmes Experts SE:
1 Rendre une expertise accessible à tous.
2 Approcher au mieux la perfection.
3 Décortiquer le raisonnement expert pour expliquer.
4 Rendre une connaissance experte insensible au temps.
En un mot, simuler le comportement d’un expert humain sans avoir les petits (et
grands) défauts de la nature humaine.
Systemes experts
Un SE utilise des connaissances d’un domaine pour fournir des performances
comparables a celles d’un expert humain.
Un SE est un programme qui utilisent des stratégies heuristiques pour la résolution des
problèmes spécifiques.
La solution fournie par le système doit être évaluée par un expert humain et ceci dans le
but de modifier l’information contenue dans la base de connaissances.
Architecture:
Base de connaissances = faits + règles + méta-règles.
Faits (Variables): Contient les données spécifiques liées à l’application traitée. Elle
peut contenir aussi les solutions intermédiaires ou les conclusions partielles
trouvées lors de l’inférence. (mémoire a court terme)
Règles (Equations): Elle rassemble la connaissance et le savoir-faire de l’expert. Elle
n’évolue donc pas au cours d’une session de travail.
Méta-règles : règles sur la manière d’utiliser les règles.
Moteur d’inférence: mécanisme de raisonnement, indépendant du domaine et du
problème.
Le raisonnement incertain:
Si E est VRAI alors H est VRAI avec probabilité p.
Exemple:
Induction Bayésienne: hypothèses multiples:
Pour utiliser le théorème de Bayes, on suppose que les preuves
Donc, on écrit:
P(Hi /E1 , ..., En ) = (P(E1 /Hi )∗...∗P(En /Hi )∗P(Hi )) / (P(E1 )∗...∗P(En )).
Toutes les probabilités des relations entre les différentes preuves et hypothèses doivent
être connues.
Toutes les relations probabilistes entres les différentes preuves doivent être connues.
Toutes les relations entre les différentes hypothèses et preuves, p(Ei|Hk), doivent être
indépendantes.
Facteurs d’incertitudes:
Pour une hypothèse donnée H et une preuve E, des mesures doivent être affectées:
Mesure de croyance MB(H/E), et mesure de non-croyance MD(H/E).
Le facteur de certitude est: CF(H/E)=MB(H/E)-MD(H/E).
CF(H/E)∈ [−1; 1] puisque, MB(H/E) et MD(H/E) ∈ [0; 1]
-1: totalement faux, +1: totalement vrai.
Relations:
La propagation de certitude:
R1 : SI F1 ET F2 ALORS C1
R2 : SI F1 OU F2 ALORS C2
CF(F1 ET F2) = min (CF(F1), CF(F2))
CF(F1 OU F2) = max (CF(F1), CF(F2))
CF(C)= CF (R) ∗ CF (F ).
CF(C): facteur de certitude de la conclusion.
CF(R): facteur de certitude de la règle.
CF(F): facteur de certitude des prémisses.
Propagation avec des règles à conclusions similaires:
SINON: