Implémentation de X-NAQ, un Agent Émotionnel

Slides:



Advertisements
Présentations similaires
Algorithmes et structures de données (avancées) Cours 1+2
Advertisements

MOT Éditeur de modèles de connaissances par objets typés
E-learning Evolutif Albarelli Corinne Behem Patrice Guillot Jérôme
Module 5 : Implémentation de l'impression
Fabrice Lauri, François Charpillet, Daniel Szer
Gestion de portefeuille
IREMIA : Institut de REcherche en Mathématiques et Informatique Appliquées Université de la Réunion Uniformisation des mécanismes de conception de SMA.
A NETWORK-AWARE DISTRIBUTED STORAGE CACHE FOR DATA INTENSIVE ENVIRONMENTS Brian L. TIERNEY, Jason LEE, Brian CROWLEY, Mason HOLDING Computing Sciences.
Rainbow - Arcad Composition de composants et IHMs composites 23/05/2002 Jeremy Fierstone / Equipe Rainbow / 1.
Systèmes en temps réel Modélisation du comportement en temps réel avec UML.
Introduction Pour concrétiser l’enseignement assisté par ordinateur
Conception de Programmes Evolutifs Pré Soutenance de TER Année Encadrants : Cathy Escazut et Michel Gautero Auteurs: Paul-Kenji Cahier Sylvain.
51 Les technologies XML Cours 6 : XML et les architectures N-tiers – Tier Métier Janvier Version 1.0 -
51 Les technologies XML Cours 7 : Utilisations dXML Janvier Version 1.0 -
                                        République Algérienne Démocratique et Populaire Ministère de l’Enseignement Supérieur et de la Recherche Scientifique.
Introduction à l’Intelligence Artificielle
Bases de l’Intelligence Artificielle Distribuée
L’avancement du mémoire 19 avril 2005
ADR Active and Dynamic Routing. Plan Introduction au routage Les réseaux actifs Les agents Mise à jour des matrices de routage Architecture du routage.
Algorithmes Branch & Bound
Principes de persistance dans les applications orienté objet
IFT451 Introduction aux langages formels Froduald Kabanza Département dinformatique Université de Sherbrooke planiart.usherbrooke.ca/kabanza/cours/ift313.
IFT313 Introduction aux langages formels
Projet JAVA EE Approfondi
Gestion de projet TC 1 Séance 4 Mme Molard
Méthode des k plus proches voisins
Développement d’un réseau social professionnel
Froduald Kabanza Département d’informatique Université de Sherbrooke
MOT Éditeur de modèles de connaissances par objets typés
IFT313 Introduction aux langages formels Froduald Kabanza Département dinformatique Université de Sherbrooke Automates à pile LR Notion de poignée.
Métacognition: quelques exemples opérationnels dans le supérieur Liège, le 14 avril 2008 B. Noël.
JEE 5 F.Pfister 2 institut eerie JEE – Une plateforme serveur  Développement et exécution d'applications réparties.
Heuristiques C. Recherche de la meilleure branche . Branch And Bound
Présentation de la méthode des Eléments Finis
Implémentation de X-NAQ, un Agent Émotionnel
1 Gestion des intérêts d’une communauté au moyen d’un agent intelligent El Bachir Boukherouaa, El Bachir Gardouh, Claude Frasson Laboratoire HERON Informatique.
Vers un nouvel empirisme: l’ancien et le nouvel empirisme John Goldsmith Université de Chicago CNRS MoDyCo.
Module 8 : Surveillance des performances de SQL Server
Modèle neuromimètique de l’apprentissage par renforcement Les aspects temporels (réponse retardée) peuvent être facilement intégrés au niveau cortical.
Algorithmique et programmation (1)‏
Pr ZEGOUR DJAMEL EDDINE Ecole Supérieure d’Informatique (ESI)
PROGRAMMATION INFORMATIQUE D’INGÉNIERIE II
Reconnaissance des personnes par le visage dans des séquences vidéo
Algorithmes Branch & Bound
Dr Ph CARDI - Interfaces 27/09/2001 Configuration des logiciels par les Praticiens de Santé mythe ou réalité Copyright 2001 © Intensive Care View.
STATISTIQUES – PROBABILITÉS
Les agents pédagogiques
DESIGN MULTIMÉDIA Initiation aux bases de La scénarisation multimédia
Karima Tabari1, Mounir Boukadoum1, Sylvain Chartier2,3, Hakim Lounis1
- M.A. (linguistique appliquée) - DipTESL - d’origine néo- zélandaise « Créer un site Internet en cours de langue orale : pourquoi se donner tant de peine.
10 juin 2008 Journée Technologies et Enjeux de l'Apprentissage Mobile Equipe SIMBAD.
Structures de données avancées : LH (Hachage linéaire) D. E ZEGOUR Institut National d ’Informatique.
Trajectory Tree [1] Patrick Cinq-Mars. © Name – Month YEAR2 / TOTAL PAGES TTree: Tree-Based State Generalization with Temporally Abstract Actions William.
Le club de lecture à l’écran
1 Initiation aux bases de données et à la programmation événementielle Responsable : Souheib BAARIR. (le sujet de votre .
Les procédés métiers : conception, modélisation et systèmes Claude Godart Université de Lorraine - Esstin 1.
Méthode des moindres carrés (1)
21/02/2003DEA DISIC 1 Grid Computing Programming the grid: Distributed Software Components, P2P and Grid Web Services for Scientific Applications Tarak.
Intégration des Tableaux Multidimensionnels en Pig pour
Recherche & développement Expressions multimodales de caractéristiques anthropomorphiques d'un agent virtuel. Conception et évaluation dans le cadre d'une.
1 Structure en MC Principes Stockage des données dans la mémoire volatile d’un ordinateur Problèmes Stockage temporaire «Petits» volumes de données Langages.
Vers l’exploitation de grandes masses de données Encadré par : Mme L.Lamarini Présenté par: Rhaz Yassine Smiri Safae Un article de: Raphaeil Féraud,Maroc.
Traitements d'images et Vision par ordinateur
IFT – Ingénierie des connaissances Exposé d’article
Evaluation d’architectures pour les sites web utilisant des bases de données Article de Wen-Syan Li, Wang-Pin Hsiung, Oliver Po, K. Selcuk Candan, Divyakant.
(Networked Software Agent) une architecture multiagent
IFT 703 Informatique cognitive ACT-R Modèle symbolique et perceptuel
Plan 1. Probabilités conditionnelles 2. Indépendance en probabilité
Algorithmes Branch & Bound Module IAD/RP/RO Master d ’informatique Paris 6 Philippe Chrétienne.
PROJET DE SESSION PRÉSENTÉ PAR : Rosemarie McHugh DANS LE CADRE DU COURS : SCG Réalisation d’applications en SIG 16 avril 2007.
Transcription de la présentation:

Implémentation de X-NAQ, un Agent Émotionnel Par Narimel Bendakir, Alicia Heraz, Quam Ngo, Xintao Wang Université de Montréal ~ Faculté Arts & sciences ~ Département Informatique & Recherche opérationnelle IFT6243 Concepts de Base de Données Avancées ~ 19 avril 2005 ~ Professeur Claude FRASSON

Plan de la Présentation Présentation de X-NAQ Outils et environnement d'implémentation Détection de l'état émotionnel initial Sélection d'une règle de désir Exécution d'un plan d'action Mesure et évaluation des performances Interfaces de X-NAQ Conclusion Bibliographie Implémentation de X-NAQ, un Agent Émotionnel

Présentation de X-NAQ A 1/3 Définition: X-NAQ est un agent intelligent pour la détection et la gestion des émotions. Architecture: BDI + Nouvelle Composante: évaluation des performances. Propriétés: Indépendance du contexte, adaptation, réutilisation, révision, évaluation et mise à jour de la base de connaissances par le psychologue. Implémentation de X-NAQ, un Agent Émotionnel

Évaluation des Performances Présentation de X-NAQ A 2/3 Figure 1: Architecture de l’agent X-NAQ GUI Évaluation des Performances BDC JDBC Interface BDC Psychologue Croyance Désir Intention Utilisateur Implémentation de X-NAQ, un Agent Émotionnel

Présentation de X-NAQ A 3/3 Figure 2: Schéma relationnel de la base de données X-NAQ Paramètre Utilisateur Préférence Question Réponse Règle Action Plan Statistiques Implémentation de X-NAQ, un Agent Émotionnel

Outils d'implémentation Q 1/4 Figure 3: Outil de programmation JBuilder Implémentation de X-NAQ, un Agent Émotionnel

Outils d'implémentation Q 2/4 Système de gestion de base de données ACCESS Base de données relationnelle; Accès aux données à travers de multiples outils (requêtes SQL, code…); Présentation de ces données sous forme d'interface graphique simplifiée (formulaire) ou mise en page directes (états); Interaction avec d'autres systèmes de base de données tels que Oracle ou SQL Server via les liens ODBC; Implémentation de X-NAQ, un Agent Émotionnel

Outils d'implémentation X 3/4 La technique utilisée pour réaliser X-NAQ Java Servlet Java Applet JDBC JMF Implémentation de X-NAQ, un Agent Émotionnel

Outils d'implémentation X 4/4 Diagramme de Classe Implémentation de X-NAQ, un Agent Émotionnel

État émotionnel initial 1/4 Algorithme de détection de l'état émotionnel Choisir nbqa questions; Calculer le vee; TQ ! seuil & ! distance & ! fin_question FAIRE DEBUT Choix_Prochaine_Question(vee); Mise_A_Jour(vee); FIN; SI fin_question ALORS Echec; Implémentation de X-NAQ, un Agent Émotionnel

État émotionnel initial 2/4 Explication des paramètres nbqa: nombre de questions aléatoires; vee : vecteur d'état émotionnel; seuil : seuil d'acceptation; distance : distance minimale requise; fin_question : fin du questionnaire; Implémentation de X-NAQ, un Agent Émotionnel

État émotionnel initial 3/4 Figure 4: Explication des fonctions 1/2 Choix_Prochaine_Question(vee); . Calculer le vecteur émotionnel moyen des questions selon la table Réponse . Sélectionner la question dont le vecteur émotionnel moyen est le plus proche du vee Implémentation de X-NAQ, un Agent Émotionnel

État émotionnel initial 4/4 Figure 5: Explication des fonctions 2/2 Mise_A_Jour(vee); . Cumuler les cotations de la table Réponse . Effectuer le pourcentage, de façon à ce que la somme des composantes du vee soit égale à 100% Implémentation de X-NAQ, un Agent Émotionnel

Règle de désir Q 1/2 Définition et types de règles . Une règle de désir est une transition allant d'un état initial ei vers un état final ef. Il existe deux types de règle de désir . Règle de maintien ei –> ei (ei = ef) . Règle de transformation ei –> ef (ei != ef) Implémentation de X-NAQ, un Agent Émotionnel

Règle de désir Q 2/2 Algorithme de sélection d'une règle . Filtrer les règles dont la partie gauche ei correspond à l'état émotionnel initial détecté. . S'il existe plusieurs règles alors sélectionner aléatoirement une de ces règles. . Appliquer la règle sélectionnée Implémentation de X-NAQ, un Agent Émotionnel

Plan d'action X 1/4 Définition: c'est une séquence dynamique d’évènements multimédias. Objectif: réaliser la règle de désir sélectionnée. Stratégies: Sélection par poids, sélection par durée, sélection aléatoire, sélection selon les préférences de l'usager. Implémentation de X-NAQ, un Agent Émotionnel

Plan d'action Figure 6: Illustration des stratégies X 2/4 Implémentation de X-NAQ, un Agent Émotionnel

Plan d'action X 3/4 Sélection d'une stratégie L’agent choisit aléatoirement une des 4 stratégies précédentes; L’agent observe la meilleure stratégie en terme de réussite au niveau des plans d’action suivant les statistiques; L'agent adopte la meilleure stratégie mais continue à analyser les nouvelles statistiques dans l'éventualité d'adopter une nouvelle meilleure stratégie. Implémentation de X-NAQ, un Agent Émotionnel

Plan d'action Figure 7: Exemple X 4/4 Implémentation de X-NAQ, un Agent Émotionnel

Évaluation des performances 1/2 Figure 8: Table des statistiques Implémentation de X-NAQ, un Agent Émotionnel

Évaluation des performances 2/2 Paramètres d'évaluation La perception de l’environnement (PE) Performance (PE) = Nombre d’états émotionnels détectés / Nombre d’états émotionnels non détectés La pertinence des règles de désir (RD) Performance (RD) = Nombre de réussites dans la réalisation de la règle / Nombre d’échecs dans sa réalisation L’efficacité du plan d’action (PA) Performance (PA) = Nombre d’états finaux atteints / Nombre d’états finaux non atteints Implémentation de X-NAQ, un Agent Émotionnel

Interfaces X-NAQ N Implémentation de X-NAQ, un Agent Émotionnel

Interfaces de X-NAQ N Implémentation de X-NAQ, un Agent Émotionnel

Conclusion N L’architecture X-NAQ est de type BDI. Nous avons ajouté la composante évaluation des performances. Des statistiques évaluent le succès de l’agent dans sa mission de détection et de gestion des émotions. Le psychologue peut mettre à jour la base de connaissances. Des paramètres permettent la flexibilité et l’adaptation de X-NAQ. Implémentation de X-NAQ, un Agent Émotionnel

Bibliographie N 1/2 [1]. Chaffar, S., Frasson, C. (2004). Inducing Optimal Emotional state for learning in Intelligent Tutoring Systems. International Conference of Intelligent Tutoring System, Brazil. [2]. Chaffar, S., Frasson, C. (2004). Using an Emotional Intelligent Agent to Improve the Learner’s Performance. Emotional and Social Intelligence in Learning Environment. International Conference of Intelligent Tutoring System, Brazil. [3]. Damasio, A. (1995). L'erreur de Descartes : la raison des émotions. Édition Odile Jacob. [4]. Damasio, A (1999). Le sentiment même de soi. Édition Odile Jacob. [5]. Damasio, A. (2003). Spinoza avait raison. Édition Odile Jacob. [6]. Eckman, P. (2003). Emotions Revealed: Recognizing Faces and Feelings to Improve Communication and Emotional Life. Édition Times Books. [7]. Faivre, F., Frasson, C. and Nkambou R. (2002). Gestion Émotionnelle des Systèmes Tuteurs Intelligents. Technologies de l’Information et de la Connaissance dans l’Enseignement Supérieur et l’Industrie. Page 101-110. [8]. Georgeff, M., Pell, B., Pollack, M., Tambe, M. and Wooldridge, M. (1999). The Belief-Desire-Intention model of agency Proceedings of Agents, Theories, Architectures and Languages (ATAL). [9]. Goleman, D. (1997). L'intelligence émotionnelle : Comment transformer ses émotions en intelligence. Édition Robert Laffont. Implémentation de X-NAQ, un Agent Émotionnel

Bibliographie N 2/2 [10]. Goleman, D. (2002). L'intelligence émotionnelle au travail. Édition Village Mondial. [11]. Laurel, B. (1991). Computers as Theater. Addison-Wesley Publishing Company. [12]. Mayer, J. D., Salovey, P. (1995). Emotional intelligence and the construction and regulation of feelings. Applied & Preventive Psychology, 4(3), 197-208. [13]. Mayer, J. D. (2002). The wisdom in feeling. Edition The Guilford Press. [14] Myers, K. L. (1997). User Guide for the Procedural Reasoning System. Technical Report, Artificial Intelligence Center, Technical Report, SRI International, Menlo Park, CA. [15]. Nkambou, R. et Heritier, V. (2004). Reconnaissance émotionnelle par l’analyse des expressions faciales dans un tuteur intelligent affectif, Technologies de l’Information et de la Connaissance dans l’Enseignement Supérieur et l’Industrie, France. Page 149-155. [16]. Ochs, M., Frasson, C. (2004). Emotionally Intelligent Tutoring Systems. AAAI/FLAIRS-2004 The 17th International FLAIRS Conference, AAAI Press, Miami Beach, FL, USA. [17]. Ochs, M., Frasson, C. (2004). Optimal Emotional Conditions for Learning with an ITS. Workshop on Emotional and Social Intelligence in Learning Environments, International Conference of Intelligent Tutoring System, Brazil. Implémentation de X-NAQ, un Agent Émotionnel

Implémentation de X-NAQ, un Agent Émotionnel Par Narimel Bendakir, Alicia Heraz, Quam Ngo, Xintao Wang Université de Montréal ~ Faculté Arts & sciences ~ Département Informatique & Recherche opérationnelle IFT6243 Concepts de Base de Données Avancées ~ 19 avril 2005 ~ Professeur Claude FRASSON