Questions annales Flashcards
(56 cards)
Qui a introduit la notion de frame ? En quoi consiste cette notion ?
Modèle proposé par Minsky en 1975 : granules de connaissances plus importantes que les nœuds d’un réseau sémantique. Un frame est une structure de données qui représente une situation caractéristique ou prototypique, à trois niveaux qui sont emboîtés : le triplet (frame, slot, facette). (frame (slot (facet xx)) (slot (facet xx)))
facettes : modalité descriptive d’un slot (value, défaut), démon : modalité comportementale (if-added, if-removed, if-needed), slots : différentes propriétés d’un frame (type, is-a, couleur…)
Que signifient les acronymes SMA et IAD ? Quel lien entretiennent-ils ?
SMA: Système multi-agent: Système où plusieurs agents coexistent et interagissent.
IAD: Intelligence artificielle distribuée.
Les deux interagissent dans le sens où un SMA est un modèle d’IAD, étant donné que les agents agissent de façon indépendante.
Qu’est ce qu’un agent ?
Agent: entité pouvant percevoir son environnement (capteurs) et agir sur celui-ci (effecteurs).
Il est programmé pour réaliser des tâches: ce que l’agent peut faire. L’agent à un but, qui revient à maximiser une fonction d’utilité.
En quoi consistent les logiques de description ? Quel en est le premier représentant ?
Modèle proposé par brachman et Schmolze entre les réseaux sémantiques et les frames (1er représentant : KL- ONE).
○ Représentation bipartite :
- Partie descriptive Tbox (Terminological)
- Partie assertionnelle Abox (Assertional)
/!\ KL-ONE n’est pas bipartite
○ Primitives épistémologiques :
- concepts primitifs (définitions incomplètes : CN mais non CNS) / définis (CNS)
- rôles
- opérations sur les éléments (and, or, some, all, atleast…)
- mécanisme de classification entre concepts (définis) et rôles
De quels mécanismes s’inspirent les algorithmes génétiques (AG) ?
AG: Algorithme génétique: algorithmes d’exploration fondés sur la sélection naturelle et la génétique.
S’inspire des processus de l’évolution: croisements, sélection, mutation, reproduction. Utilise le concept de “Survie du plus adapté”.
Que signifie l’acronyme RNA ? Qu’est ce qu’un réseau de neurones ?
Réseau de neurones artificiel.
Les réseaux de neurones sont des réseaux fortement connectés de processeurs élémentaires fonctionnant en parallèle.
Qu’est-ce que le perceptron ? Donnez sa composition et instanciez-la afin qu’elle puisse calculer le ‘et logique’
Premier des réseaux de neurones mis au point par Rosenblatt.
Le but du perceptron est d’associer des configurations (formes) en entrées à des réponses.
Il se compose en 2 couches :
● la rétine
● la couche de sortie qui donne la réponse correspondant à la stimulation présente en entrée
Perceptron “ET LOGIQUE”:
A _0.6 \ theta=1 –>
_0.6 /
B
SI A = 0 et B = 00.6 + 00.6 s = 0
Si A = 1 et B = 0, s = 0.6
Si A =1 et B =1 s = 1
Que veut dire l’acronyme OWL ? A quoi sert-il ?
Ontology Web Language, 3 sous langages d’expressivité croissante : OWL lite (simple), OWL DL, OWL full.
Objectifs :
- Standardiser les moyens de définir des ontologies qui peuvent être utilisées sur le Web
- Etendre les constructions de RDF Schema pour permettre des relations plus complexes entre entités.
Qu’est ce qu’une ontologie ?
- Une ontologie est une modélisation partagée d’un domaine pour améliorer la communication entre personnes, entre personnes et applications logicielles, ou entre applications (1990)
- L’ontologie est une caractérisation des objets du domaine : leurs propriétés, leurs relations avec d’autres objets.
- cohérente : pas de contradiction
- complète : tous les concepts utiles doivent être définis
Ontologie = Hiérarchie de concepts + Définition de relations entre les concepts (arbre ou treillis) + règles, contraintes
Types d’ontologie
- ontologie générique (concepts généraux indépendants d’un domaine ou problème particulier)
- ontologie de domaine (générique pour ce domaine)
- ontologie d’application (connaissances nécessaires à une application donnée)
- ontologie de tâches (propre à une activité)
- méta-ontologie (concepts utilisés par les langages de représentation des ontologies)
Exemples : Projet Cyc, Wordnet, GFO, Enterprise Ontology
Dans quels buts utilise-t-on une ontologie en ingénierie des connaissances ?
● Se mettre d’accord sur le sens des termes employés dans une organisation, une communauté, un métier.
● Faire en sorte que les personnes et les logiciels se comprennent.
=>Utile pour des applications distribuées telles que le Web.
Que signifient les sigles RàPC (Raisonnement à partir de cas) et KBR ? Précisez
les principales étapes d’un tel processus.
(Raisonnement à partir de cas, Case-Based Reasoning, Knowledge-Based Reasoning)
Approche de résolution de problèmes qui utilisent des expériences passées pour résoudre des problèmes.
Cycle :
- remémoration (ou recherche) : recherche d’un problème similaire P’ dans une base de cas.
- adaptation : adapter la solution du problème similaire P’.
- mémorisation (ou maintenance) du problème P et de sa solution, dans la perspective d’une réutilisation future (correspond à la phase d’apprentissage du cycle).
- construction (ou élaboration)
Qu’est-ce qu’un graphe conceptuel ?
Modèle proposé par Sowa en 1984. - graphes finis, connexes et bipartites - nœuds : concepts ou relations conceptuelles - chaque relation conceptuelle a n arcs (au moins 1), chacun lié à un concept
GC : notations
● Graphique Concepts : rectangles. Relations : ovales. Arcs : flèches ● Linéaire Concepts : entre crochets. Relations entre parenthèses. Arcs : flèches.
exemple : [ALLER]- (AGNT)->[PERSONNE:Pierre] (DEST)->[VILLE:Montréal] (INST)->[VOITURE]
Qui a introduit le modèle du neurone formel ? En quoi consiste ce modèle ?
Le modèle de neurone formel dû à Mac Culloch et Pitts, est un modèle mathématique très simple dérivé d’une analyse de la réalité biologique.
On remplace l’intégration temporelle par une simple sommation des signaux arrivant au neurone (ces signaux sont communément appelés les entrées du neurone).
On compare ensuite la somme obtenue à un seuil et on déduit de la comparaison la sortie du neurone.
Cette sortie sera par exemple égale à 1 si la somme est supérieure au seuil et à 0 (ou -1) dans le cas contraire.
Une ontologie est elle synonyme d’une taxinomie?
Les connaissances ontologiques dépassent largement les connaissances taxinomique : connaissances de composition
En logique de description, que représentent la ABox et la TBox ?
- ABox : proche de la logique du premier ordre, c’est l’ensemble des connaissances concernant les individus peuplant effectivement le monde.
- TBox : logique des prédicats, c’est la terminologie qui décrit les propriétés du monde en intension.
Quels sont les 3 principaux opérateurs utilisés dans une mise en œuvre d’un algorithme génétique ? Explicitez leurs rôles.
Dans une population de chaînes de caractères sur un certain alphabet (binaire…) :
- Un opérateur de sélection (select) dont le rôle est de choisir les individus les plus adaptés
(ceux possédant un score fitness élevé).
- Un opérateur de croisement (cross-over ou hybridation)
- Un opérateur de mutation (mutation).
Donnez trois avantages liés à la technologie des SMA (4).
● Rapidité et efficacité à cause de processus asynchrones et parallèles
● Robustesse et fiabilité le système peut continuer même si un agent tombe
● Extensibilité/adaptabilité possibilité et facilité d’ajouter de nouveaux agents à un système
● coût de développement et réutilisation faible car système modulaire (#monolithique)
Qu’est-ce qui caractérisent les algorithmes évolutionnaires ?
Les EAs maintiennent une population de structures, qui évolue en accord avec des règles de sélection et des opérateurs de recherche. Chaque individu possède une mesure de son adéquation avec l’environnement : la fitness. La reproduction s’appuie sur cette mesure pour favoriser la prolifération des individus les mieux adaptés. La recombinaison et la mutation perturbent ces individus fournissant par ce biais des heuristiques pour l’exploration de nouvelles solutions.
Donnez les propriétés remarquables d’un RNA (6).
● la capacité de généralisation ● la rapidité ● une mémoire distribuée ● la résistance au bruit (● résistance à la dégradation ● l’adaptabilité)
Explicitez le processus connexionniste d’un RNA.
- Etape 1 : la base d’exemples
- Etape 2 : initialisation du RNA
- Etape 3 : apprentissage
- Etape 4 : test
- Etape 5 : utilisation
Quel est l’intérêt des AG ? Dans quels cas sont ils les plus efficaces ?
Ce sont des algorithmes relativement simples et suffisants pour assurer des mécanismes de recherche robustes et puissants. Sont très efficaces quand on a pas d’algorithme défini pour trouver une solution, que les autres solutions ont échoué : alternative à l’optimisation de fonction lorsque les méthodes “classiques”, telles que : les méthodes indirectes qui recherchent à atteindre les extrema locaux en résolvant des systèmes d’équations, les méthodes directes par suivi de gradient ou par énumération, ne sont pas applicables ou ont échoué.
Quelles sont les 4 caractéristiques à préciser qui permettent de définir un réseau de neurones artificiel ?
- Le type de neurone
- L’architecture du réseau
- La dynamique du réseau
- Le mode d’apprentissage