Utilisation des tableaux sémantiques dans les logiques de description
|
|
- Ghislain Papineau
- il y a 8 ans
- Total affichages :
Transcription
1 Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca Mars 2011
2 But de la présentation Faire le lien entre web sémantique et raisonnement automatique. Présenter un algorithme intuitif illustrant comment on peut faire raisonner un ordinateur. Exemple: algorithme quick sort vs problème du tri
3 Plan de la présentation But de la présentation Lien avec raisonnement automatique Concept de méthode de preuve Méthode des tableaux sémantiques Exemples de tableaux Logiques de description Conclusion
4 Lien avec raisonnement automatique OWL - web ontology language Langage déclaratif langage de programmation. Hypothèse du monde ouvert une base de données. Plusieurs caractéristiques des classes et des individus doivent être déduites à partir des descriptions. Ces déductions sont réalisés à l aide du raisonnement automatique.
5 Exemple simple Une pizza dont aucun ingrédient n est de la viande est une pizza végétarienne. Le fromage, les légumes et les épices ne sont pas de la viande. Le mozzarella est un fromage et rien d autre. Les tomates sont des légumes et rien d autre. La basilic est une épice et rien d autre. Une pizza margarita a comme ingrédients du mozzarella, des tomates, de la basilic et rien d autre. Donc une pizza margarita est une pizza végétarienne. Le donc est la partie raisonnement automatique et ne sera pas spécifié dans l ontologie des pizzas.
6 Reasoner Définition personnelle Technologie permettant d appliquer une méthode de preuve à un énoncé, formulé dans une logique particulière, dans le but de déterminer si cet énoncé est valide dans le contexte d une base de connaissances spécifique. (Racer, Pellet, FaCT++, etc). Services de raisonnement Dans un reasoner, ces tests de validité sont effectués plusieurs fois pour obtenir des résultats sur l ensemble de la base de connaissances (p. ex. construire le treillis de subsomption des classes). Concepts Logique Validité des énoncés Implication logique Méthode de preuve Base de connaissances
7 Logiques Une logique est un système formel comprenant : Un alphabet définissant les symboles utilisés. Une grammaire définissant de façon récursive les formules syntaxiquement correctes construites à partir de l alphabet. Une liste de schémas axiomatiques. Une liste de règles d inférences permettant de construire des énoncés valides à partir d autres énoncés valides (ex. Modus ponens).
8 Logiques Il existe plusieurs logiques : Logique des propositions Logique des prédicats du premier ordre Logique des prédicats du second ordre Logiques modales Logiques non-monotones Logiques de descriptions... À chacune de ces logiques on peut appliquer une ou plusieurs méthodes de preuve.
9 Validité d un énoncé Un énoncé est une formule syntaxiquement correcte d une logique. Une interprétation est l affectation de valeurs aux variables d une logique ou d une base de connaissance. Un énoncé est dit valide s il est vrai pour toutes les interprétations possibles. Par exemple, en logique propositionnelle un énoncé dont chaque ligne de la table est vrai est un énoncé valide. Autre exemple : si A est une variable booléenne alors A A est vrai peu importe la valeur de A. On dit alors que A A est valide. La validité des énoncés est importante pour permettre l hypothèse du monde ouvert.
10 Méthode de preuve Approche systématique pour démontrer si un énoncé, d une logique particulière, est valide ou non Elle est complète si elle permet de vérifier la validité de tous les énoncés valides dans la logique correspondante. Elle est valide si tous les énoncés qu elle déclare valides sont effectivement valides dans la logique correspondante.
11 Méthodes de preuve On parle de familles avec chacune plusieurs variantes Axiomatiques (Frege / Hilbert à 1934) Déduction naturelle (Gentzen ) Calcul des séquents (Gentzen ) Tableaux sémantiques (Beth ) Résolution (Robinson ) Inverse method (Maslov ) Connexions (Bibel 1974)...
12 Caractéristiques des méthodes Quelques remarques Certaines méthodes peuvent s appliquer à plusieurs logiques Les méthodes traditionnelles sont dites constructives car elles vont des axiomes vers les énoncés Les méthodes constructives sont très difficiles à mécaniser car pour prouver un énoncé on doit remonter de l énoncé vers les axiomes
13 Caractéristiques des méthodes Exemple: La déduction naturelle C est la façon normalement utilisée par les humains Elle est fortement basée sur le Modus ponens (si on sait A et on sait que A B alors on peut conclure B). Pour montrer B on doit remonter vers les axiomes en trouvant un A plus facile à démontrer que B. On pose A en hypothèse puis on montre que A B. On recommence avec A jusqu à ce que qu on remonte aux axiomes ou à un théorème déjà prouvé Le problème est évidemment de trouver les étapes intermédiaires. On ne peut pas encore coder ce genre d intuition dans un programme. Donc, on ne peut pas faire raisonner un ordinateur en suivant la déduction naturelle.
14 Caractéristiques des méthodes Quelques remarques - suite Les méthodes plus récentes ont été créées spécifiquement pour l automatisation. Elles remontent donc de l énoncé vers les axiomes La plus utilisée est la Résolution (et ses variantes) Le problème est que le lien entre la méthode de preuve et la logique n est pas évident.
15 Caractéristiques des méthodes Calcul des séquents Le calcul des séquents est constructif (axiomes vers énoncés) mais n utilise que des constructeurs qui combinent des énoncés (pas de modus ponens). Chaque constructeur a une opération inverse qui va de l énoncé vers les axiomes. Gentzen, dans les années 1930, a donc réussi à construire une méthode de preuve monotone. C est cette idée qui a été reprise dans la méthode des tableaux sémantiques.
16 Méthode des tableaux dynamiques Concept Preuve par contradiction (si la négation de l énoncé est impossible alors l énoncé est valide) On exécute le calcul des séquents à l envers (de l énoncé vers les axiomes) S applique à toute logique pour laquelle on peut définir un ensemble de constructeurs monotones croissants c est-à-dire ayant des opérations inverses qui décomposent progressivement un énoncé. Comme on ne peut pas décomposer plus fin que les axiomes, on sera certain de finir en appliquant un nombre restreint d opérations possibles (si une preuve existe)
17 Méthode des tableaux sémantiques Étapes 1. Faire la négation d un énoncé 2. Phase d expansion du tableau. On applique les règles d expansion (de déconstruction ) chaque branche est une conjonction certaines règles vont créer de nouvelles branches on arrête de développer une branche quand aucune règle n est applicable les feuilles sont des axiomes 3. On essaie de fermer les branches (trouver des contradictions)
18 Méthode des tableaux sémantiques Arrêt Si on ferme toutes les branches La négation de l énoncé est impossible Donc l énoncé est valide Si une branche reste ouverte Elle donne un exemple de la négation de l énoncé Donc au moins un contre-exemple de l énoncé existe Donc l énoncé n est pas valide
19 Méthode des tableaux sémantiques Pour chaque logique Définir comment faire la négation d un énoncé Définir les règles d expansion (de déconstruction) relatives à chaque constructeur Montrer que le facteur de branchement lors de la création des branches est fini Montrer que les règles sont bien monotones décroissantes Définir les règles de fermeture des branches Prouver la complétude et la validité de ces règles en regard de la logique concernée.
20 On utilise une logique simple Constructeurs Négation : A avec signification habituelle Implication : A B avec signification habituelle Négation d énoncé On ajoute un signe (T ou F ) à chaque énoncé ex. FX veut dire intuitivement que l on assume que X est Faux Règles d expansion T A FA i.e. T A T A FA F A TA T (A B) FA TB F (A B) TA FB Conditions de fermeture Fermer la branche si contradiction i.e. TX FX
21 Premier exemple Est-ce que l énoncé (X Y ) ((X Y ) X ) est valide? C est-à-dire vrai pour toutes affectations à X et Y
22 Exemple valide F (X Y ) ((X Y ) X ) Préliminaire Ajouter le signe F à l énoncé
23 Exemple valide - 1 Règle F (A B) TA FB 1 F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X
24 Exemple valide - 2 Règle F (A B) TA FB 1 F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X
25 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X Règle F A TA 4 TX Y 5 F X 6 TX
26 Exemple valide F (X Y ) ((X Y ) X ) 2 T X Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX 8 TY Règle T (A B) FA TB
27 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX Fermeture de branche 8 TY
28 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 T X Y 5 F X 6 TX 7 FX 8 TY Règle T (A B) FA TB 9 FX 10 T Y
29 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX Fermeture de branche 8 TY 9 FX 10 T Y
30 Exemple valide - 8 Règle T A FA 1 F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX 8 TY 9 FX 10 T Y 11 FY
31 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX 8 TY 9 FX Fermeture de branche 10 T Y 11 FY
32 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX 8 TY 9 FX Toutes les branches sont fermées La négation est impossible L énoncé est valide 10 T Y 11 FY
33 Deuxième exemple Est-ce que l énoncé (X Y ) (( X Y ) Y ) est valide? C est-à-dire vrai pour toutes affectations à X et Y
34 Exemple non-valide 1 F (X Y ) (( X Y ) Y ) 2 TX Y 3 F ( X Y ) Y 4 T X Y 5 FY 6 FX 7 TY 8 F X 9 T Y 10 TX 11 FY Résultat : 1 2, 3; 3 4, 5; 2 6, 7; ferme7; 4 8, 9; 8 10; ferme10; 9 11 Une branche n est pas fermée On a un contre-exemple X = F, Y = F L énoncé n est pas valide
35 Logiques de description Avant 1991 Origine des réseaux sémantiques (hiéarchies de généralisation / spécialisations) Origine aussi des frames (rôles correspondent aux slots ) Système KL-ONE (début des années 80) Utilisées par Brachman et Levesque (1985) pour montrer que la complexité des inférences dépend des constructeurs de chaque logique Méthodes de preuve basées sur la subsomption structurelle des graphes
36 Connexion avec les tableaux sémantiques Article de Schmidt-Schauβ et Smolka en 1991 Publié dans Articifial Intelligence Journal S applique à la logique ALC On définit formellement les logiques de description Méthode de preuve basée sur les tableaux sémantiques On donne les 6 règles de propagation de base On précise les règles de fermeture On démontre que c est une procédure complète et valide
37 Connexion avec les logiques modales Quelques mois plus tard... La logique de description ALC est montrée équivalente à la logique modale K L algorithme de Schmidt-Schauβ et Smolka est en fait une reformulation de la méthode des tableaux sémantiques déjà utilisée pour la logique modale K
38 Extensions Test de l appartenance d un individu à une classe Inclusion sans équivalence Fermeture transitive (hierarchies de rôles) Services plus complexes Construire la hiérarchie des classes Identifier tous les individus appartenant à une classe......
39 Remarque sur la complexité La méthode devient exponentielle par rapport à la grosseur de l énoncé pour plusieurs logiques. Une ontologie va produire de très gros énoncés. On ne veut pas que les utilisateurs aient à se soucier de la façon dont le raisonnement automatique est effectué. On doit donc restreindre les constructions du langage à des patrons pour lesquels on peut gérer la complexité. La grande réussite des logiques de description est de permettre des constructions assez puissantes pour être utiles sans perdre le contrôle au niveau de la complexité.
40 Détails des logiques de description (LD) Normalement la suite serait : D identifier les 6 constructeurs de base De décrire les 6 règles de propagation de base De décire les conditions de fermeture De montrer que la propagation converge pour ces règles De montrer des exemples de preuves en LD D analyse la complexité du processus D analyser chacune des extensions De décrire les nouvelles approches étudiées qui pourraient éventuellement remplacer l utilisation des tableaux sémantiques pour les LD... Mais le temps ne nous le permet évidemment pas
41 Références The Description Logics Handbook Chap 1 - An Introduction to Description Logics - D. Nardi et R.J. Brachman Chap 2 - Basic Description Logics - F. Baader et W. Nuit Handbook of Tableaux Methods Chap Introduction - M. Fitting Handbook of Logic in AI and Logic Programming Chap 2 - First Order Logic - M. Davis Chap 3 - Methods and calculi for deduction - W. Bibel et E. Eder Handbook of Knowledge Representation Chap 1 - Knowledge Representation and Classical Logic - V. Lifschitz, L. Morgenstern et D. Plaisted Chap 6 - Nonmonotonic Reasoning - G. Brewka, I. Niemela et M. Truszczynski First Order Logic and Automated Theorem Proving, 1996, Melvin Fitting
42 Conclusion Le web sémantique utilise les logiques de description, donc du raisonnement automatique, pour déduire des relations dans les ontologies. La méthode de preuve utilisée (tableaux sémantiques) permet une description intuitive du mécanisme de base des reasoners.
Image d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailIntelligence artificielle appliquée à l automatique
Intelligence artificielle appliquée à l automatique par Sylviane GENTIL Professeur à l École nationale supérieure d ingénieurs électriciens Institut national polytechnique de Grenoble 1. Définitions et
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailLES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN
LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas
Plus en détailCalculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/
Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes
Plus en détailBases de données Cours 5 : Base de données déductives
Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailLogique : ENSIIE 1A - contrôle final
1 Logique : ENSIIE 1A - contrôle final - CORRIGÉ Mardi 11 mai 2010 - Sans documents - Sans calculatrice ni ordinateur Durée : 1h30 Les exercices sont indépendants. Exercice 1 (Logique du premier ordre
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailFondements de l informatique Logique, modèles, et calculs
Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailProposition de sujet de thèse CIFRE EUROCOPTER / LGI2P
EUROCOPTER SAS Groupe EADS Marignane Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Proposition de sujet de thèse CIFRE EUROCOPTER / LGI2P Titre Domaine
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailCHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal
III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailRéalisabilité et extraction de programmes
Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailSystèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1. Systèmes déductifs (Retoré) Plan Début Fin Préc. Suiv.
Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1 Plan 1 Liens avec d autres domaines de l informatique............... 3 2 La déduction naturelle de base (conjonction, implication)....... 4 3
Plus en détailProblèmes de Mathématiques Filtres et ultrafiltres
Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire
Plus en détailInformatique Machines à calculer en théorie et en pratique
Licence Physique-Chimie Histoire des Sciences Informatique Machines à calculer en théorie et en pratique Notes de Cours 1 Introduction Étymologie En Allemagne (1957) le terme «Informatik» est créé par
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailPropriétés du Document EMA. Résumé
Propriétés du Document Source du Document FSN OpenPaaS Titre du Document Définition et exploitation d un référentiel de processus collaboratifs : Rapport de synthèse quant aux référentiels existants Module(s)
Plus en détailFormula Negator, Outil de négation de formule.
Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailKnowledge Enabled Real-Time Recommendation System
Knowledge Enabled Real-Time Recommendation System Syed Gillani, Jules Chevalier syed.gillani@univ-st-etienne.fr jules.chevalier@univ-st-etienne.fr Institut Henri Fayol, École des Mines de Saint-Étienne
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailQuelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Plus en détailGrammaires d unification
Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les
Plus en détail1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation
Master STIC «Image Informatique et Ingénierie» Module Informatique Modèles de représentation - 10h CM Nadine Cullot Kokou Yétongnon nadine.cullot@u-bourgogne.fr kokou.yetongnon@u-bourgogne.fr 1ère partie
Plus en détailTâche complexe produite par l académie de Clermont-Ferrand. Mai 2012 LE TIR A L ARC. (d après une idée du collège des Portes du Midi de Maurs)
(d après une idée du collège des Portes du Midi de Maurs) Table des matières Fiche professeur... 2 Fiche élève... 5 1 Fiche professeur Niveaux et objectifs pédagogiques 5 e : introduction ou utilisation
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailCCI Génie Logiciel UFR - IMA. Objectifs du cours d'aujourd'hui. Génie Logiciel Validation par le test. Qu est-ce que tester un programme?
Validation par le test Objectifs du cours d'aujourd'hui Donner des réponses aux questions suivantes : Lydie du Bousquet 2 Qu est-ce que tester un programme? Exercice 1 : Inscrivez sur une feuille ce que
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détail1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert
1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes
Plus en détailAlgorithmique et Programmation Fonctionnelle
Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailLe modèle standard, SPE (1/8)
Le modèle standard, SPE (1/8) Rappel : notion de grammaire mentale modulaire Les composants de la grammaire : module phonologique, sémantique syntaxique Syntaxe première : elle orchestre la relation mentale
Plus en détailPôle de Dakar S IMUL ATIONS. 1 Utiliser un taux d accroissement pour une simulation
FORMULAIRE ATELIER S IMUL ATIONS 1 Utiliser un taux d accroissement pour une simulation La projection de certaines variables se base sur une hypothèse de taux de croissance annuelle régulier et constant.
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailPremiers exercices d Algèbre. Anne-Marie Simon
Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,
Plus en détailIntégration de la dimension sémantique dans les réseaux sociaux
Intégration de la dimension sémantique dans les réseaux sociaux Application : systèmes de recommandation Maria Malek LARIS-EISTI maria.malek@eisti.fr 1 Contexte : Recommandation dans les réseaux sociaux
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailContradicting Beliefs and Communication. J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua
Contradicting Beliefs and Communication J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua Introduction Papier propose : Considère structure de Kripke (KD45 au lieu de S5) Processus de communication
Plus en détailInitiation à l algorithmique
Informatique S1 Initiation à l algorithmique procédures et fonctions 2. Appel d une fonction Jacques TISSEAU Ecole Nationale d Ingénieurs de Brest Technopôle Brest-Iroise CS 73862-29238 Brest cedex 3 -
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailCours 1 : Qu est-ce que la programmation?
1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre
Plus en détailThéorie des Langages
Théorie des Langages Analyse syntaxique descendante Claude Moulin Université de Technologie de Compiègne Printemps 2010 Sommaire 1 Principe 2 Premiers 3 Suivants 4 Analyse 5 Grammaire LL(1) Exemple : Grammaire
Plus en détailApprentissage. Intelligence Artificielle NFP106 Année 2012-2013. Plan. Apprentissage. Apprentissage
Intelligence Artificielle NFP106 Année 2012-2013 Apprentissage! F.-Y. Villemin! Plan! Apprentissage! Induction! Règles d'inférence inductive! Apprentissage de concepts!! Arbres de décision! ID3! Analogie
Plus en détailSystèmes décisionnels et programmation avancée
Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix 2014-2015 Introduction structure du cours intervenants introduction
Plus en détailRaisonnements standard et non-standard pour les systèmes décentralisés de gestion de données et de connaissances
Raisonnements standard et non-standard pour les systèmes décentralisés de gestion de données et de connaissances Nada Abdallah To cite this version: Nada Abdallah. Raisonnements standard et non-standard
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailThéorie de la Programmation
Théorie de la Programmation http://perso.ens-lyon.fr/daniel.hirschkoff/thpr hop Programmation, Théorie de la programmation Langages de programmation I il existe de nombreux langages de programmation I
Plus en détailLES TYPES DE DONNÉES DU LANGAGE PASCAL
LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailIntelligence Artificielle Planification
Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes
Plus en détailVÉRIFICATION DES SYSTÈMES À PILE AU MOYEN DES ALGÈBRES DE KLEENE
VINCENT MATHIEU VÉRIFICATION DES SYSTÈMES À PILE AU MOYEN DES ALGÈBRES DE KLEENE Mémoire présenté à la Faculté des études supérieures de l Université Laval dans le cadre du programme de maîtrise en informatique
Plus en détailAutres langages de l IA
Autres langages de l IA Cours en cours de réalisation Module Programmation Logique Pierre De Loor enib -2004 deloor@enib.fr www.enib.fr/~deloor Exemples Programmation logiques par contraintes Programmation
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailIFT1215 Introduction aux systèmes informatiques
Introduction aux circuits logiques de base IFT25 Architecture en couches Niveau 5 Niveau 4 Niveau 3 Niveau 2 Niveau Niveau Couche des langages d application Traduction (compilateur) Couche du langage d
Plus en détailTD 1 - Structures de Traits et Unification
TD 1 - Structures de Traits et Unification 1 Définitions Un trait (en: feature) est un couple attribut-valeur. Une structure de traits (en: feature structure) est un ensemble de traits. On peut les représenter
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailProblématiques de recherche. Figure Research Agenda for service-oriented computing
Problématiques de recherche 90 Figure Research Agenda for service-oriented computing Conférences dans le domaine ICWS (International Conference on Web Services) Web services specifications and enhancements
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailAnnexe 3. Le concept : exemple d une situation d apprentissage.
Annexe 3. Le concept : exemple d une situation d apprentissage. Le concept choisi ici comme exemple est une figure arbitrairement définie, appelée «WEZ», reprise d une expérience de Smoke cité dans un
Plus en détailAider les élèves qui en ont le plus besoin. Animation pédagogique 17 septembre 2008
Aider les élèves qui en ont le plus besoin Animation pédagogique 17 septembre 2008 Un facteur de réussite scolaire : les capacités métacognitives de l élève Wang M.-C. (1990) Qu est-ce que la métacognition?
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailCadre formel pour la modélisation de la gestion des processus métier par une équipe médicale interdisciplinaire
Cadre formel pour la modélisation de la gestion des processus métier par une équipe médicale interdisciplinaire Mounira Kezadri-Hamiaz 1, Daniela Rosu 1, Szymon Wilk 2, Craig Kuziemsky 1, Wojtek Michalowski
Plus en détailFONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières
FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage
Plus en détailManuel d utilisation de la plate-forme de gestion de parc UCOPIA. La mobilité à la hauteur des exigences professionnelles
Manuel d utilisation de la plate-forme de gestion de parc UCOPIA La mobilité à la hauteur des exigences professionnelles 2 Manuel d utilisation de la plate-forme de gestion de parc UCOPIA 1 Table des matières
Plus en détail