GIND5439 Chapitre8

GIND5439
Systmes Intelligents
Chapitre 8: Ingnierie cognitive.
Quest-ce que le gnie cognitif?
Loi de Davis:
Pour chaque outil il existe une tche qui lui est

parfaitement adapte
Cependant, il est trop optimiste de croire que pour
chaque tche il existe un outil qui lui est
parfaitement adapt.
Gnie cognitif: Intgration des techniques

d'intelligence artificielle et du gnie logiciel en
vue de concevoir et de construire des
systmes experts.
GIND5439 Gabriel Cormier, Universit de Moncton
Le processus dingnierie cognitive

Phase 1: valuation du problme
Phase 2: Acquisition de donnes et connaissances
Phase 3: Dveloppement dun systme prototype
Phase 4: Dveloppement dun systme complet
Phase 5: valuation et rvision du systme
Phase 6: Intgration et maintenance du systme
Phase 1: valuation du problme
Dterminer les caractristiques principales du

problme.
Identifier les participants principaux du projet.
Spcifier les objectifs du projet.
Dterminer les ressources ncessaires pour
construire le systme.
Problmes typiques
Type de problme
Description
Diagnostique
Infrer les dfaillances dun objet partir de son

comportement et recommander des solutions.
Slection
Recommander la meilleure solution partir dune liste

dalternatives possibles.
Prdiction
Prdire le comportement futur dun objet partir de

son comportement prcdent.
Classification
Assigner un objet une de ses classes.
Agrgation
Diviser un groupe dobjets htrognes en des sousgroupes homognes.
Optimisation
Amliorer la qualit dune solution jusqu ce quune

solution optimale soit obtenue.
Contrle
Gouverner le comportement dun objet pour atteindre

des spcifications en temps rel.
Problmes typiques
Type de problme
Mthodes suggres
Diagnostique
Systme base de rgles.
Slection
Systme base de rgles, logique floue.
Prdiction
Rseau de neurones.
Classification
Systme base de rgles, rseau de neurones.
Agrgation
Logique floue, rseau de neurones.
Optimisation
Algorithme gntique, optimisation par essaim de

particules.
Contrle
Logique floue.
Phase 2: Acquisition dinformation
Rcolter et analyser les donnes et

connaissances.
Les donnes devront possiblement tre

rorganises dans une forme utile.
On doit rendre les concepts cls plus clairs et

dfinis.
Phase 2: Acquisition dinformation
Problmes:
Donnes incompatibles
Donnes inconsistantes
Les donnes analyser sont peut-tre stockes dans un

format qui nest pas compatible avec les instruments
disponibles.
Certains faits sont reprsents diffremment dans diffrentes
bases de connaissances.
Donnes incompltes
Certains records contiennent des espaces vides
On peut essayer dinfrer de linformation utile

On peut remplir les espaces vides par la donne mdiane ou
moyenne.
Dans certains cas, le fait quun espace soit vide peut donner de
linformation utile.
Acquisition de connaissances
On commence en rvisant les documents

disponibles, comme des livres, articles et
manuels qui sont relis au problme.
On collectionne dautre information laide
dune entrevue avec lexpert du domaine.
Lacquisition de connaissances est un
processus itratif.
La comprhension du domaine du problme
est trs importante la construction dun
systme expert.
Difficults
Lexpert
Connat plus que ce quil (ou elle) dit

Dit plus que ce quil connat
Ment
Nest pas daccord avec dautre experts
Lingnieur de la connaissance
Manque de structure
Ncessite des habilets sociales
Ncessite des comptences en IA
10
Techniques
Entrevues
Observation de la performance
Analyse des protocoles
Systme
Ingnieur
Expert
couter
Comprendre
Reformuler
Expliquer
11
Pour commencer
Pour chaque problme tre tudi par le

systme:
Dterminer lampleur et la structure de lespace

de solution
Combien de catgories de rponses y a-til?
Combien de choix dans chaque catgorie?
Choisir une catgorie, choisir un choix spcifique
Quels facteurs suggrent un choix comme le
choix correct?
12
Phase 3: Dveloppement dun prototype
Choisir un outil pour construire le systme

intelligent.
Transformer les donnes et reprsenter les
connaissances.
Concevoir et implanter le systme prototype.
Tester le prototype avec des essais-type.
Un essai-type est un problme rsolu avec succs dans le

pass pour lequel les donnes initiales et la solution sont
connues.
Pendant le test, le systme reoit les mme donnes et sa
solution est compare la solution originale.
13
Phase 4: Dveloppement du systme
On prpare un design dtaill pour le

systme pleine chelle.
On rcolte des donnes et connaissances
additionnelles.
On dveloppe linterface utilisateur.
On implmente le systme au complet.
14
Phase 5: valuation et rvision
valuer le systme selon les critres de

performance.
Rviser le systme si ncessaire.
15
valuation
Les systmes intelligents sont conus pour rsoudre

des problmes qui habituellement nont pas de
bonne ou mauvaise solution clairement
dfinis.
Lvaluation dun systme intelligent revient
sassurer que le systme accomplit la tche voulue
la satisfaction de lutilisateur.
Une valuation formelle du systme est typiquement
accomplie avec des essai-types.
La performance du systme est compare contre
des critres de performance qui furent adopts la
fin de la phase de prototypage.
16
Phase 6: Intgration et maintenance
Interface avec les systmes existants

Sarranger pour faire le transfert de
technologie.
tablir un systme de maintenance.
17
Systme expert
Est-ce quun systme expert fonctionnera

pour mon problme?
Firebaugh, 1988: rgle de lappel tlphonique
Tout problme qui peut tre rgl par un expert sur

place par un appel de 10 30 minutes peut tre
dvelopp comme un systme expert.
18
Exemple: classification
Les problmes de classification sont bien

adapts aux systmes base de rgles et
aux rseaux de neurones.
Ex:
Soit un systme pour classifier les diffrents types

de bateaux voile.
On commence en rcoltant de linformation sur les
diffrentes structures et les voiles des bateaux
voile.
Chaque bateau peut tre identifi selon ces
caractristiques.
19
Jib-headed Cutter
Gaff-headed Sloop
Staysail Schooner Gaff-headed Schooner
Jib-headed Yawl
Gaff-headed Yawl
Jib-headed Ketch
Gaff-headed Ketch
Diffrents bateaux voile

20
On peut utiliser des rgles pour ce type de

systme.
Dans un monde parfait, il serait trs facile de
classifier ces bateaux.
Cependant, sil y a de la brume, ou peu de
lumire, comment faire?
On utilise des facteurs de certitude.
Dans ce cas-ci, 11 rgles sont ncessaires.
Voir p.312 du manuel pour les rgles.
21
Dans ce cas-ci, on peut crer un interface

graphique avec une page web.
On utilise du javascript pour faire le calcul
des facteurs de certitude.
laide des facteurs de certitude, on peut
donner les options les plus probables quant
au type de bateau voile.
22
23
Exemple: contrle
On veut faire le contrle dun systme

quelconque laide dun contrleur flou.
Soit le systme suivant:
3
G ( s) =
( s + 1)( s + 2)( s + 3)
On comparera aussi la performance avec

celle dun contrleur PID.
24
Exemple: contrle
En utilisant les mthodes classiques, on

trouve que le contrleur PID a les
caractristiques suivantes:
Kp = 12, Ki = 12, KD = 3
On doit faire une certaine analyse du

problme avant de construire le contrleur
flou.
Il faut vrifier les valeurs finales du systme.
25
Exemple: contrle
En effet, la valeur finale du systme sous

tude lorsque soumis une entre chelon
unitaire est:
1
3
1
=
y () = lim sR ( s )G0 ( s ) = lim s
s
0
s ( s + 1)( s + 2)( s + 3) 2
s 0
Ce qui veut dire que la sortie est la moiti de

lentre. Pour obtenir une sorte de 1 lorsque
lentre du systme est un chelon, il faudra
que le contrleur ait un gain = 2.
26
Exemple: contrle
On peut maintenant construire les fonctions

dappartenance, tout en sachant quil faut une
sortie de 2 quand lentre au contrleur est 0
(erreur de 0).
Dans ce cas-ci, on choisit de limiter lentre
une gamme de valeurs entre -1 et +1.
Quant la sortie, on limite les rgles aux
valeurs de -7.5 +10.
27
Exemple: contrle
28
Exemple: contrle
29
Exemple: contrle
On nutilise que 3 rgles pour ce systme:

IF error is Negative THEN control is Negative
IF error is Zero THEN control is Zero
IF error is Positive THEN control is Positive
On aurait pu utiliser plus de fonctions

dappartenance lentre et la sortie, mais
il est gnralement conseill de commencer
avec peu de rgles; si on a besoin de plus de
prcision, on peut augmenter le nombre de
fonctions dappartenance.
30
Exemple: contrle
31
Exemple: contrle
On combine les systmes sur Simulink.

32
Exemple: contrle flou

1.6
1.4
Comparaison entre le
PID(vert) et le
contrleur flou (bleu).
1.2
1
0.8
0.6
0.4
0.2
0
10
33
Exemple: Optimisation
On veut optimiser lemplacement dun

entrept afin de minimiser les dplacements
entre lentrept et les magasins des clients.
Les coordonnes des clients ainsi que le
nombre de dplacements sont donns dans
le tableau suivant:
Client
Dplacements
10
200
10
150
12
200
12
300
34
Dans ce cas-ci, on veut minimiser la distance

totale:
D = min(200 D1 + 150 D2 + 200 D3 + 300 D4 )
o
D1 =
D2 =
D3 =
D4 =
(x 5) + ( y 10)
(x 10)2 + ( y 5)2
(x 0)2 + ( y 12)2
2
2
(x 12) + ( y 0)
2
35
6200
POP = 15;
minLimit = [0; 0];
maxLimit = [15; 15];
pc = 0.80;
pm = 0.01;
aa = 1.2;
bb = 3.0;
Maximum
Moyenne
6100
6000
Fitness
5900
5800
Lalgorithme gntique
prend trs peu de
temps converger (30
gnrations). Temps de
calcul: < 1 minute.
5700
5600
5500
5400
10
20
30
40
50
60
Generation
70
80
90
100
x = 9.3138, y = 5.0284, D = 5456.5

36

GIND5439 Chapitre8

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

GIND5439 Chapitre8

Загружено:

Авторское право:

Доступные форматы

GIND5439

Quest-ce que le gnie cognitif?

Pour chaque outil il existe une tche qui lui est

Gnie cognitif: Intgration des techniques

GIND5439 Gabriel Cormier, Universit de Moncton

Le processus dingnierie cognitive

Phase 2: Acquisition de donnes et connaissances

Phase 3: Dveloppement dun systme prototype

Phase 4: Dveloppement dun systme complet

Phase 5: valuation et rvision du systme

Phase 6: Intgration et maintenance du systme

GIND5439 Gabriel Cormier, Universit de Moncton

Phase 1: valuation du problme

Dterminer les caractristiques principales du

GIND5439 Gabriel Cormier, Universit de Moncton

Infrer les dfaillances dun objet partir de son

Recommander la meilleure solution partir dune liste

Prdire le comportement futur dun objet partir de

Assigner un objet une de ses classes.

Diviser un groupe dobjets htrognes en des sousgroupes homognes.

Amliorer la qualit dune solution jusqu ce quune

Gouverner le comportement dun objet pour atteindre

GIND5439 Gabriel Cormier, Universit de Moncton

Systme base de rgles.

Systme base de rgles, logique floue.

Systme base de rgles, rseau de neurones.

Logique floue, rseau de neurones.

Algorithme gntique, optimisation par essaim de

GIND5439 Gabriel Cormier, Universit de Moncton

Phase 2: Acquisition dinformation

Rcolter et analyser les donnes et

Les donnes devront possiblement tre

On doit rendre les concepts cls plus clairs et

GIND5439 Gabriel Cormier, Universit de Moncton

Phase 2: Acquisition dinformation

Les donnes analyser sont peut-tre stockes dans un

Certains records contiennent des espaces vides

On peut essayer dinfrer de linformation utile

GIND5439 Gabriel Cormier, Universit de Moncton

On commence en rvisant les documents

GIND5439 Gabriel Cormier, Universit de Moncton

Connat plus que ce quil (ou elle) dit

GIND5439 Gabriel Cormier, Universit de Moncton

Pour chaque problme tre tudi par le

Dterminer lampleur et la structure de lespace

GIND5439 Gabriel Cormier, Universit de Moncton

Phase 3: Dveloppement dun prototype

Choisir un outil pour construire le systme

Un essai-type est un problme rsolu avec succs dans le

GIND5439 Gabriel Cormier, Universit de Moncton

Phase 4: Dveloppement du systme

On prpare un design dtaill pour le

GIND5439 Gabriel Cormier, Universit de Moncton

Phase 5: valuation et rvision

valuer le systme selon les critres de

GIND5439 Gabriel Cormier, Universit de Moncton

Les systmes intelligents sont conus pour rsoudre

GIND5439 Gabriel Cormier, Universit de Moncton

Phase 6: Intgration et maintenance

Interface avec les systmes existants

GIND5439 Gabriel Cormier, Universit de Moncton

Est-ce quun systme expert fonctionnera

Firebaugh, 1988: rgle de lappel tlphonique