1 Réseaux (Ch. 7) Intelligence Artificielle (Ch. 14) Marianne Morris.

Présentation au sujet: "1 Réseaux (Ch. 7) Intelligence Artificielle (Ch. 14) Marianne Morris."— Transcription de la présentation:

1 1 Réseaux (Ch. 7) Intelligence Artificielle (Ch. 14) Marianne Morris

2 2 Réseaux et Internet Un réseau Ensemble dordinateurs connectés Échange dinformation et de ressources Nimporte quel genre dinformation peut être échangé Signaux radio, son, photos, films, etc.

3 3 Réseaux Un réseau Un ensemble de systèmes indépendants connectés par des links de télécommunication Nœuds « nodes » ou hôtes « hosts » Des ordinateurs individuels sur un réseau

4 4 Links de communication Un modem aide à échanger de linformation en passant de forme analogue à forme digitale, et vice versa

5 5 Figure 7.1 Two Forms of Information Representation

6 6 Figure 7.2 Modulation of a Carrier to Encode Binary Information

7 7 Communication Links Dial-up phone links –Transmission rate: 56,000 bps (56 Kbps) Broadband –Transmission rate: Exceeding 256,000 bps (256 Kbps)

8 8 Communication Links Options for broadband communications –Home use Digital subscriber line (DSL) Cable modem –Commercial and office environment Ethernet Fast Ethernet Gigabit Ethernet

9 9 Figure 7.3 Transmission Time of an Image at Different Transmission Speeds

10 10 Communication Links Wireless data communication –Uses radio, microwave, and infrared signals –Enables mobile computing –Types of wireless data communication Wireless local access network Wireless wide-area access network

11 11 Local Area Networks Local Area Network ( LAN ) Connecter des appareils qui sont proches lun de lautre géographiquement Ex: même département ou édifice Le maître de lappareil est le même que celui de la communication

12 12 Local Area Networks Local area network (LAN) –Connects hardware devices that are in close proximity –The owner of the devices is also the owner of the means of communications –Common wired LAN topologies Bus Ring Star

13 13 Figure 7.4 Some Common LAN Topologies

14 14 Local Area Networks Ethernet La technologie LAN est la plus commune Fait usage de topologie BUS Deux méthodes de construire un LAN Câble partagé « Shared cable » HUB s: très communs Ethernet HUB

15 15 Figure 7.5 An Ethernet LAN Implemented Using Shared Cables

16 16 Figure 7.6 An Ethernet LAN Implemented Using a HUB

17 17 Wide Area Networks Wide Area Network ( WAN ) Connecter des appareils très loin géographiquement – à travers une ville ou même à travers locéan! Les utilisateurs de ces communications doivent acheter ces services

18 18 Wide Area Networks Wide area networks (WANs) –Connect devices that are across town, across the country, or across the ocean –Users must purchase telecommunications services from an external provider –Dedicated point-to-point lines –Most use a store-and-forward, packet- switched technology to deliver messages

19 19 Figure 7.7 Typical Structure of a Wide Area Network

20 20 Figure 7.8(a) Structure of a Typical Company Network

21 21 Figure 7.8(c) Hierarchy of Internet Service Providers ( ISP )

22 22 Structure de lInternet Réseaux de réseaux interconnectés Inclus… « Nodes », LAN s, WAN s, « bridges », « routers » …et plusieurs niveaux de ISP

23 23 Protocoles de communication Un protocole Un ensemble de règlements et de conventions dont on se met daccord pour pouvoir échanger de linformation efficacement et dune manière ordonnée TCP/IP Hiérarchie de protocole de l Internet Gouverne lopération de l Internet En a cinq « layers » de communication

24 24 Figure 7.10 The Five-Layer TCP/IP Internet Protocol Hierarchy

25 25 Intelligence Artificielle (Chapitre 14 Intro brève à lintelligence artificielle Pattern Recognition Robotiques Brain Tumour Growth Prediction

26 26 Intro à l Intelligence Artificielle La construction de programmes informatiques qui sadonnent à des tâches qui sont, pour linstant, accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : lapprentissage perceptuel, lorganisation de la mémoire et le raisonnement critique Marvin Lee Minsky

27 27 Projets en IA Robotiques Bioinformatiques Informatiques médicales Poker Web www.aicml.ca

28 28 Le cerveau vs Recognition Un neurone Une cellule dans le cerveau qui peut… Recevoir du stimuli dautres neurones à travers les dendrites Envoyer du stimuli aux autres neurones à travers son axone

29 29 Figure 14.4 A Neuron

30 30 Recognition Chaque neurone dans le cerveau peut être considéré comme un système informatique très simple avec une seule sortie 0/1 Artificial Neural Network Un réseau parallèle de neurones simples connectés ensemble et qui ressemble aux systèmes biologiques…

31 31 Robotiques

32 32 Robotiques Robot Un système qui pourrait rassembler de linformation sensoriel dune manière autonome

33 33 Robotiques Usage de robots Recherche Améliorer lapprentissage des algorithmes informatiques en IA Industrie Automobiles, disposer de bombes, exploration Médicale Chirurgie, classification de sang

34 34 Brain Tumour Growth Prediction True positives False positives False negatives

35 35 Predict Tumour Growth Why? Study tumour growth patterns Improve treatment planning initial tumour tumour 6 months later

36 36 Incremental Growth Model Tumor

37 37 Incremental Growth Model Tumor Neighbours

38 38 Incremental Growth Model -++ -+ -+ -+ ++- Tumor

39 39 Incremental Growth Model -++ -+ -+ -+ ++- Tumor Neighbours

40 40 Incremental Growth Model -+ -+++ -++ -+- -+- -++-- ++ Tumor

41 41 Incremental Growth Model -+ -+++ -++ -+- -+- -++-- ++ Tumor

42 42 Features Patient features Tumour properties Voxel features Features of neighbouring voxels A total of 75 features patient tumour voxel

43 43 CDM Classifier Voxel v becomes tumour given… q v = P Θ ( class ( v ) = tumour | e patient,e tumour,e v ) Features of the patient e patient the tumour e tumour the voxel and its neighbours e v patient tumour voxel v

44 44 Experimental Procedure Training data Sample of voxels in volume-difference between two scans including 2-voxel border around the volume at the 2 nd time scan Volume-pairs for 17 patients Total of ½ million voxels We evaluate voxels encountered in diffusion process Cross-validation (17 patients) Original tumour Additional tumour growth

45 45 System Performance Time 1 scan Time 2 scan CDM prediction Left to right: Slices from lower to upper brain True positives False positives False negatives