GPA-779 Application des systèmes experts et des réseaux de neurones.

Présentation au sujet: "GPA-779 Application des systèmes experts et des réseaux de neurones."— Transcription de la présentation:

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

2 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 2 Cours #1: Plan  Syllabus du cours  Plan détaillé  Formation des équipes (durant la pause)  Introduction à l’Intelligence Artificielle  Découverte

3 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 3 Syllabus

4

5

6

7

8 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 8  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 http://www.etsmtl.ca/livres/lepage/

9

10 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 10 Plan détaillé

11

12

13

14 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 14 Laboratoire 1: Classification 0 -2 -3 -4 1 2 3 4 -3-2012345 * ** * ** * + + + + + + + x1x1 x2x2

15 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 15 Laboratoire 2: Primitives d’une image Extraction des caractéristiques Sous-image pour l’apprentissage

16 1- Choix d’une base d’apprentissage 586 vecteurs 3x3 d’apprentissage sont sélectionnés (distance euclidienne plus grande que 0,17)

17 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 17 2- Construction du réseau Réseau à rétro-propagation N I = 3x3 N h = 6 N o = 1 Entrée Couche cachée Sortie (arête)

18 3- Apprentissage 4- Généralisation

19

20

21

22 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 22 Laboratoires 3-5: Classification de chiffres

23 Introduction à l’intelligence artificielle

24 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 24 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

25 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 25 Domaines d ’application de l ’IA Robotique Vision Langages naturels Sens commun Systèmes experts Réseaux neuroniques Parole Tâches formelles Perception Tâches routinières

26 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 26 Domaines de l ’intelligence artificielle  Tâches routinières  Perception –Vision –Parole  Langage naturel –Compréhension –Génération –Traduction  Sens commun  Robotique

27 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 27  Tâches formelles  Jeux –Échecs –Backgammon –Dames  Mathématiques –Géométrie –Logique –Calcul intégral –Preuves de théorèmes

28 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 28  Systèmes experts  Ingénierie –Conception –Réparation, déverminage –Planification industrielle  Analyse scientifique  Diagnostique médical  Analyse financière

29 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 29  Réseaux neuroniques  Classification  Apprentissage supervisé et non-supervisé –Perceptron multicouche –Réseaux auto-organisés –Simulations biologiques  Imagerie et reconnaissance de formes

30 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 30 Éléments d ’un système à base de connaissance ButÉtat initial Connaissances

31 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 31 Exemple: jeu de tic-tac-toe

32 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 32 Exemple: jeu d ’échecs

33 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 33 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.

34 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 34  Hypothèse Un système physique symbolique possède tous les moyens nécessaires et suffisants pour produire des actions générales intelligentes.

35 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 35 Test de Turing A B

36 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 36 Architecture d ’un système expert Usager Base de connaissances Machine d’inférence Faits Expertise

37 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 37 Avantages des systèmes experts  Accessible  Coût réduit  Permanence  Expertise multiple  Sureté  Explications du raisonnement  Réponse rapide  Non-émotivité  Tuteur intelligent  Base de données intelligente

38 GPA-779 Application des réseaux de neurones et des systèmes experts Cours 1 - 38 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

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