GPA-779

Application des systèmes experts

et des réseaux de neurones
 Cours #1: Plan
 Syllabus du cours
 Plan détaillé
 Formation des équipes (durant la
pause)

 Introduction à l’Intelligence Artificielle

 Découverte

Cours 1 -GPA-779
2 Application des réseaux de neurones et des systèmes experts
 Syllabus

Cours 1 -GPA-779
3 Application des réseaux de neurones et des systèmes experts
  Le livre couvre la matière
sur les réseaux de neurones
 Les séances de labo sont
décrits en fin de chapitre,
sous l’intitulé Travaux
Pratiques
 Le site internet du livre
http://www.etsmtl.ca/livres/lepage
/
contient les programmes et
données pour les exercices
de laboratoire

Cours 1 -GPA-779
8 Application des réseaux de neurones et des systèmes experts
 Plan détaillé

Cours 1 -GPA-779
10 Application des réseaux de neurones et des systèmes experts
 Laboratoire 1: Classification
4
3
2 +
1
** ++
0
** ++
-
** ++
1
- *
x2 2-
3
-
- - - - 0 1 2 3 4 5
4
4 3 2 x
1
1

Cours 1 -GPA-779
14 Application des réseaux de neurones et des systèmes experts
 Laboratoire 2: Primitives d’une
image

Extraction des caractéristiques

Sous-image pour l’apprentissage

Cours 1 -GPA-779
15 Application des réseaux de neurones et des systèmes experts
 1- Choix d’une base d’apprentissage

586
vecteurs
3x3
d’apprentis
sage sont
sélectionné
s (distance
euclidienne
plus grande
que 0,17)
 2- Construction du réseau
Sorti
e
(arêt
e)

Réseau à rétro-
propagation
NI = 3x3
Couch
e Nh = 6
caché
e No = 1

Entré
e

Cours 1 -GPA-779
17 Application des réseaux de neurones et des systèmes experts
3- Apprentissage
4- Généralisation ImageEntree.pgm

ImageDesiree.pgm

Sélection des v ecteurs Construction

pour l’apprentissage du réseau

base_vect.cc SNNS

vecteurs.pat lab2.net

leo.pgm
campanile.pgm
cam.pgm
apprentissage.param Apprentissage frog.pgm
batchman (SNNS) etc.

batchman.log lab2_out.net

Conversion
Généralisation leo.pat et mise-à-l’échelle

SNNS pgm2pat.cc

leo.res

Conversion
et mise-à-l’échelle
res2pgm.cc

leo_bin.pgm

Visualisation et
impression de l’image
binairisée
xv, imagetool, etc.

Structure d’appel des différents programmes et fichiers de données.

 Laboratoires 3-5:
Classification de chiffres

Cours 1 -GPA-779
22 Application des réseaux de neurones et des systèmes experts
Introduction à l’intelligence
artificielle
 Définition de l ’intelligence
artificielle

L’Intelligence Artificielle est l’étude des

moyens pour que l’ordinateur
accomplisse des tâches qui sont
présentement mieux réalisées par les
humains

Cours 1 -GPA-779
24 Application des réseaux de neurones et des systèmes experts
 Domaines d ’application de l ’IA
Perception
Tâches
routinières Vision
Robotique

Langages
Parole naturels
Tâches
formelles

Sens
Réseaux
commun
neuroniques
Systèmes
experts

Cours 1 -GPA-779
25 Application des réseaux de neurones et des systèmes experts
 Domaines de l ’intelligence
artificielle
 Tâches routinières
 Perception
– Vision
– Parole
 Langage naturel
– Compréhension
– Génération
– Traduction
 Senscommun
 Robotique

Cours 1 -GPA-779
26 Application des réseaux de neurones et des systèmes experts
  Tâches formelles
 Jeux
– Échecs
– Backgammon
– Dames
 Mathématiques
– Géométrie
– Logique
– Calcul intégral
– Preuves de théorèmes

Cours 1 -GPA-779
27 Application des réseaux de neurones et des systèmes experts
  Systèmes experts
 Ingénierie
– Conception
– Réparation, déverminage
– Planification industrielle
 Analyse scientifique
 Diagnostique médical
 Analyse financière

Cours 1 -GPA-779
28 Application des réseaux de neurones et des systèmes experts
  Réseaux neuroniques
 Classification
 Apprentissage supervisé et non-supervisé
– Perceptron multicouche
– Réseaux auto-organisés
– Simulations biologiques
 Imagerie et reconnaissance de formes

Cours 1 -GPA-779
29 Application des réseaux de neurones et des systèmes experts
 Éléments d ’un système à
base de connaissance

Connaissances

État initial But

Cours 1 -GPA-779
30 Application des réseaux de neurones et des systèmes experts
 Exemple: jeu de tic-tac-toe

Cours 1 -GPA-779
31 Application des réseaux de neurones et des systèmes experts
 Exemple: jeu d ’échecs

Cours 1 -GPA-779
32 Application des réseaux de neurones et des systèmes experts
 L ’hypothèse symbolique
(Newell et Simons, ~1976)
 Assomption
Un système physique symbolique est constitué d’un
ensemble d’unités, appelés symboles, qui sont des
formes physiques qui peuvent être des composantes
d’un autre type d’unité, appelé expression ou structure
de symboles. Une expression est donc composée
d’instances de symboles reliés physiquement les uns aux
autres. À tout moment, le système contient une
collection de processus qui opèrent sur ces expressions
pour en produire d’autres: on aura des processus de
création, de modification, de reproduction et de
destruction. Un système physique symbolique est une
machine qui produit dans le temps une collection
évolutive de structures de symboles. Un tel système
existe dans un monde d’objets qui englobe les
expressions symboliques elles-mêmes.

Cours 1 -GPA-779
33 Application des réseaux de neurones et des systèmes experts
  Hypothèse
Un système physique symbolique possède tous
les moyens nécessaires et suffisants pour
produire des actions générales intelligentes.

Cours 1 -GPA-779
34 Application des réseaux de neurones et des systèmes experts
 Test de Turing

B
A

Cours 1 -GPA-779
35 Application des réseaux de neurones et des systèmes experts
 Architecture d ’un système expert

Base de connaissances
Faits
Usager
Usager
Expertise
Machine d’inférence

Cours 1 -GPA-779
36 Application des réseaux de neurones et des systèmes experts
 Avantages des systèmes
experts
 Accessible  Explications du
 Coût réduit raisonnement
 Permanence  Réponse rapide
 Expertise  Non-émotivité
multiple  Tuteur intelligent
 Sureté  Base de données
intelligente

Cours 1 -GPA-779
37 Application des réseaux de neurones et des systèmes experts
 Approche connexioniste
 Paradigme du cerveau
 Parralélisme massif
 Connaissance
 Distribuée
 Poids des connexions
 Recherche de solution
 Activation synchrone ou asynchrone des neurones
 Voie de recherche de solutions pour des problèmes
faciles pour un humain mais très difficiles pour un
ordinateur
 Reconnaître un visage
 Conduire sous la pluie

Cours 1 -GPA-779
38 Application des réseaux de neurones et des systèmes experts
 Avantages des systèmes
connexionistes
 Stockage réparti (tolérance aux fautes)
 Dégradation graduelle des performances
 Mémorisation associative (par contenu). Rappel
partiel.
 Extrapolation et interpolation des données
 Plasticité
 Portion de réseau détruite  transfert dans une autre
partie par apprentissage.

Cours 1 -GPA-779
39 Application des réseaux de neurones et des systèmes experts