UNITÉ D’OUVERTURE INTELLIGENCE ARTIFICIELLE OV5-IA T. AL ANI Laboratoires A²SI-ESIEE-Paris / LISV-UVSQ e-mail: [email protected] Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ INTRODUCTION Apprentissage artificiel Apprentissage artificiel : algorithmes pour permettre aux ordinateurs ou aux systèmes d’apprendre des tâches difficiles voir impossible à résoudre par les méthodes de l’ingénierie classiques.. 23/10/2007 1 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ Apprentissage artificiel Quatre catégories générales de tâches difficiles. 1 • 23/10/2007 Tâches pour lesquels il n’existent des experts humains. Exemple : Diagnostic des pannes - Équipements de fabrication automatisés modernes : prévoir les pannes avant qu'ils se produisent en analysant hors ligne ou en ligne les données fournies par les capteurs. 2 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ Apprentissage artificiel Tâches difficiles à modéliser. 2 • Exemples : - reconnaissance de la forme (visage, objet,…), - reconnaissance de la parole, parole - identification de l'écriture, criture - système dynamique complexe et fortement non linéaire L’ingénieur peut fournir des exemples d’entrées et leurs sorties désirées pour construire des modèles, ainsi les algorithmes d’apprentissage permettent d’apprendre à reconnaître, à identifier, à contrôler, ... 23/10/2007 3 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ Apprentissage artificiel 3 Tâches où il y a des phénomènes qui changent souvent ou rapidement. • Exemple : Prédiction financier : prévoir le comportement futur du - du marché boursier, boursier - des achats du consommateur, consommateur - des taux de change. change Même si un programmeur réussit à construire un bon algorithme de prédiction par ordinateur, ces algorithmes devrait être ré-écrits ou mis-à-jour fréquemment. Un algorithme d’apprentissage peut libérer le programmeur de cette obligation en ajustant automatiquement un ensemble de règles instruites de prédiction. 23/10/2007 4 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ Apprentissage artificiel il y a des applications qui nécessitent une adaptation aux besoins de chaque utilisateur d’un ordinateur. 4 • Exemple : - un programme de filtrage de messages non désirés pour les courrier électronique. lectronique Des utilisateurs différents auront besoin de filtres différents. Faut-il fournir à chaque utilisateur un programme avec ses propres règles ? et Faut-il mettre à la disposition de chaque utilisateur un ingénieur informaticien pour maintenir les règles à jour ? L’algorithme d’apprentissage peut apprendre quels messages de courrier que l'utilisateur rejète et maintenir les règles de filtrage à jour automatiquement. 23/10/2007 5 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ Apprentissage artificiel Intelligence Artificielle (OV5-IA) 30h Objectif : Introduire les différentes méthodologies et les problèmes liés aux systèmes adaptatifs à base d’apprentissage. Les différents algorithmes d’apprentissage avec des applications seront développées. - Techniques d’apprentissage artificiel - Réseaux de neurones - Apprentissage par renforcement 23/10/2007 6 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ Apprentissage artificiel Quelques applications des Réseaux de Neurones 1. • • • Reconnaissance de formes : Détection de visages dans des fonds complexes Reconnaissance de caractères Reconnaissance de la parole 2. Informatique, Bases de données : • Fouille de Web (Web Mining) • Reconnaissance de caractères • Reconnaissance de la parole 3. Traitement du signal, réseaux et télécommunication : • Filtrage adaptatif • Optimisation de l’allocation dynamique pour les téléphones cellulaires 4. Recherche Pharmaceutique 5. Modélisation et contrôle des processus industriels- Guidage de véhicules 6. Diagnostic des systèmes industriels 6. Prédiction des séries temporelles : Marché-Finance 7. Processus physiques ou chemiques, 23/10/2007 7 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ Apprentissage artificiel Quelques applications des Réseaux de Neurones 8. Commande par la pensée (Brain Computer Interface (BCI) : 23/10/2007 8 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ Apprentissage artificiel Responsable : Tarik AL ANI ([email protected]) Cours : 14h TP : 4h TP encadré (Projet) : 12h Support du cours (Web): HTML et PDF http://www.esiee.fr/~alanit Une version papier de ce cours sera fournie. Validation : Rapport d’un projet proposé par le responsable de l’unité ou par les élève eux mêmes. 23/10/2007 9 Tarik AL ANI, A2SI-ESIEE – Paris/ LISV-UVSQ