LFA 2018 - Rencontres francophones sur la Logique Floue et ses Applications

Auteur : Collectif LFA

Collection : LFA
Rubrique : Données – informatique – I.A. – IHM
Public concerné : Spécialistes
Mots clés : IHM, Informatique, intelligence artificielle, Logique floue, traitement données
Référence : 1677
I.S.B.N. : 9782364936775
Année de parution : 2018

31,00 €

Ajouter au panier

Disponible

Résumé
Description
Table des matières
Article

CONFÉRENCES INVITÉES

– Caractérisation d’une zone explorée par un robot sous-marin (Luc Jaulin)

– A Behavioural Approach To Modelling Severe Uncertainty & An Application to Quantify Impact Of Renewable Energy Integration (Matthias C. M. Troffaes)

– Perception dynamique des véhicules autonomes : modélisation de l’incertitude dans des grilles d’occupation (Véronique Cherfaoui)

BASES DE DONNÉES ET REPRÉSENTATION DE L’INFORMATION

– Modèles possibilistes de bases de données relationnelles incertaines - Une vue d’ensemble (Olivier Pivert, Henri Prade)

– Génération efficace de résumés linguistiques estimés (Grégory Smits, Pierre Nerzic, Olivier Pivert, Marie-Jeanne Lesot)

– Représentation visuelle d’informations par des émoticônes colorées (Laurent Foulloy, Lamia Berrah, Vincent Clivillé)

– OSACA : Découverte d’attributs symboliques ordinaux (Christophe Marsala, Anne Laurent, Marie-Jeanne Lesot, Maria Rifqi, Arnaud Castelltort)

APPRENTISSAGE, CLUSTERING ET CLASSIFICATION

– K-nearest neighbors classifier under possibility framework (Sarra Saied, Zied Elouedi)

– K-NN crédibiliste pour la reconnaissance automatique des espèces d’arbres (Siwar Jendoubi, Didier Coquin, Reda Boukezzoula)

– Régularisation laplacienne pour le subspace clustering (Arthur Guillon, Marie-Jeanne Lesot, Christophe Marsala)

– Mesurer la dissimilarité au niveau d’une partition floue (Grégory Smits, Olivier Pivert, Toan Ngoc Duong)

– Analyse Discriminante Imprécise basée sur l’inference Bayésienne robuste (Yonatan-Carlos Carranza-Alarcon, Sébastien Destercke)

– Étalonnage évidentiel actif de classifieurs SVM (Sébastien Ramel, Frédéric Pichon, Francois Delmotte)

– Apprentissage partiellement supervisé dans les modèles de Markov cachés autoregressifs pour le monitoring et le pronostic de systèmes et structures mécaniques (Emmanuel Ramasso, Vincent Placet)

FONCTIONS DE CROYANCE

– Une famille de mesures de conflit entre fonctions de croyance (Nadia Ben Abdallah, Anne-Laure Jousselme, Frédéric Pichon)

– Capacités qualitatives séparables (Didier Dubois, Francis Faux , Henri Prade, Agnès Rico)

– Modélisation du profil des contributeurs dans les plateformes de crowdsourcing (Constance Thierry, Jean-Christophe Dubois, Yolande le Gall, Arnaud Martin)

– Détection des faux avis dans un cadre évidentiel (Malika Ben Khalifa, Zied Elouedi, Eric Lefèvre)

COMMANDE

– De l’implémentation des contrôleurs Takagi-Sugeno avancés : application au contrôle du papillon d’un moteur essence (Thomas Laurain, Jimmy Lauber, Reinaldo Palhares)

– Commande tolérante aux défauts actionneurs des systèmes flous descripteurs à retard (Dhouha Kharrat, Hamdi Gassara, Ahmed El Hajjaji, Mohamed Chaabane)

– Robust Fuzzy Predictive Control of DC-DC Buck-Boost Converter (Sofiane Bououden, Mohammed Chadli, Ilyes Boulkaibet)

– Une méthode de réduction du nombre de sommets pour les modèles Takagi-Sugeno : exemple dans le domaine mécanique (Thierry-Marie Guerra, Mathias Blandeau, Miguel Bernal)

– Synthèse H_/H1 d’un observateur PI pour la détection de défauts des systèmes T-S incertains (Salama Makni, Maha Bouattour, Ahmed El Hajjaji, Mohamed Chaabane)

– Synthèse LMI pour la commande d’un robot manipulateur à 2 ddl par l’approche descripteur TS (Thi Van Anh Nguyen, Anh Tu Nguyen, Laurent Vermeiren, Antoine Dequidt, Michel Dambrine, Cung Le)

– Contrôle H1des systèmes non linéaires de type TS dans un domaine fréquentiel fini (Doha El Hellani, Ahmed El Hajjaji, Jérôme Bosche)

REPRÉSENTATIONS POSSIBILISTES

– Approximations linéaires par morceaux de distributions de possibilités issues de transformations de loi de probabilité (Laurent Foulloy, Gilles Mauris)

– Les Jeux Hypergraphiques Ordinaux (Arij Azzabi, Nahla Ben Amor, Hélène Fargier, Régis Sabbadin)

– Jeux possibilistes à information incomplète (Nahla Ben Amor, Hélène Fargier, Régis Sabbadin, Meriem Trabelsi)

OUTILS D’EXTENSION INCERTAINE

– Extensions de la préférence statistique aux variables aléatoires floues (Farid Aiche)

– Opérateurs Min et Max pour intervalles graduels (Reda Boukezzoula, Sylvie Galichet, Laurent Foulloy)

– Extension signée de la domination des noyaux maxitifs (Olivier Strauss, Agnès Rico)

– Fuzzy one-way ANOVA using the signed distance method to approximate the fuzzy product (Rédina Berkachy, Laurent Donzé)

RAISONNEMENT ET DÉCISION DANS L’INCERTAIN

– Représentation de la c-révision à base de la logique des pénaliés (Safia Laaziz, Younes Zeboudj, Salem Benferhat, H.F. Khellaf)

– Commutation des intégrales de Sugeno (Didier Dubois, Hélène Fargier, Agnès Rico)

– Inférences prudentes dans des grilles d’occupation : planification de trajectoires de véhicules dans l’incertain (Sébastien Destercke, Véronique Cherfaoui, Mylène Masson, Hafida Mouhagir, Sarah Fakih)

– Identification de l’Information Pertinente pour la Prise de Décision : Application à la Logistique Humanitaire (Cécile L’Héritier, Abdelhak Imoussaten, Sébastien Harispe, Gilles Dusserre, Benoit Roig)

INDEX DES AUTEURS

Caractérisation d'une zone explorée par un robot sous-marin

Auteur : Luc Jaulin

Dans cette présentation, nous considérerons un robot sous marin (ici Daurade, DGATN, Brest) capable de voir (avec un sonar) à chaque instant une portion du fond de l'océan que nous allons supposer plat et uniforme.

A Behavioural Approach To Modelling Severe Uncertainty & An Application to Quantify Impact Of Renewable Energy Integration

Auteur : Matthias C. M. Troffaes

In practical situations, decision makers often need to handle severe uncertainty. Such severe uncertainty can be caused by a variety of reasons, including lack of data, limited expert opinion, computational constraints on the model, and a lack of understanding of how to mathematically best represent certain aspects of the real system. First, I will discuss one particularly interesting way of representing and quantifying uncertainty, based on a behavioural concept called desirability, I will argue that this approach is more suitable for dealing with severe uncertainty than standard probability [1,3,4]. Next, I will explain how this approach can be related to possibility measures, belief functions, and robust Bayesian analysis [1]. Finally, I will present a practical application of this approach in renewable energy [2].

Perception dynamique des véhicules autonomes : modélisation de l'incertitude dans des grilles d'occupation

Auteur : Véronique Cherfaoui

Nous proposons dans cet exposé de présenter nos travaux sur le domaine de la fusion multisources pour les véhicules intelligents. Ces travaux portent sur la modélisation, la propagation et la mise à jour des incertitudes avec le formalisme des fonctions de croyance. L'utilisation de sources de données hétérogènes (capteurs différents, capteurs intelligents, cartes numériques) nous a conduit à explorer différentes représentations de l'environnement (grille, primitives) et différentes stratégies de combinaison de l'information (fusion ou confirmation de pistes, caractérisation de l'espace navigable, etc.). Par ailleurs, l'utilisation de sources d'information distribuées et non synchronisées nous a amené à modéliser et étudier les imprécisions de datation sur les données et plus récemment à définir des opérateurs de fusion pour les applications réparties pouvant se déployer dans des réseaux de véhicules. Un focus sera fait sur la définition, la construction et l'utilisation de grilles évidentielles pour la navigation des véhicules autonomes.

Modèles possibilistes de bases de données relationnelles incertaines – Une vue d'ensemble

Auteurs : Olivier Pivert, Henri Prade

Les approches dominantes pour modéliser l'incertitude dans les bases de données sont de nature probabiliste. Néanmoins, certains chercheurs persistent à proposer des représentations fondées sur la théorie des possibilités, motivés par la capacité de ce cadre à modéliser une incertitude de type épistémique, ainsi que par sa nature qualitative. Plusieurs modèles possibilistes ont été proposés au fil des années, pour répondre à différents besoins applicatifs allant de l'interrogation au design, en passant par le nettoyage de données. Ainsi, on peut distinguer quatre cadres différents, ordonnés ici selon leur expressivité : on trouve des bases de données avec i) des relations stratifiées ; ii) des valeurs d'attribut plus ou moins certaines ; iii) des valeurs d'attribut restreintes par des distributions de possibilité générales ; iv) des c-tables possibilistes. Dans chaque cas, nous discutons le rôle de la dualité possibilité-nécessité, les limitations et les points forts des modèles, ainsi que leur pertinence vis-à-vis des différentes tâches considérées.

Génération efficace de résumés linguistiques estimés

Auteurs : Grégory Smits, Pierre Nerzic, Olivier Pivert, Marie-Jeanne Lesot

Résumer des données est un problème qui a donné lieu à de nombreux travaux dans la communauté du soft computing. Il s'agit de générer des propositions décrivant linguistiquement les propriétés observées dans un jeu de données. Cet article s'intéresse à l'extraction efficace de tels résumés dans le cas où les données sont stockées dans une base de données relationnelle. Il propose une approche qui exploite les statistiques maintenues par le SGBD, et montre que des résumés fiables peuvent être estimés sans aucun accès aux données.

Représentation visuelle d'informations par émoticônes colorées

Auteurs : Laurent Foulloy, Lamia Berrah , Vincent Clivillé

Cet article présente un principe de construction de tableaux de bord contenant des informations visuelles comme des émoticônes, des flèches ou autres symboles colorés. Cette représentation est construite par la composition d'une fuzzification linguistique et d'une défuzzification linguistique. Le passage par des sousensembles flous linguistiques fournit un moyen simple de construire des interpolations, linéaires par morceaux sous certaines hypothèses, dans l'espace des paramètres des informations visuelles.

OSACA : Découverte d'attributs symboliques ordinaux

Auteurs : Christophe Marsala, Anne Laurent, Marie-Jeanne Lesot, Maria Rifqi, Arnaud Castelltort

Les bases de données dites hétérogènes contiennent des données décrites par des attributs à la fois symboliques et numériques. Cet article propose une méthode, appelée OSACA, pour identifier, parmi les attributs symboliques, les attributs ordinaux, en exploitant les informations fournies par les attributs numériques. Pour ce faire, OSACA procède en trois étapes : des motifs graduels sont d'abord extraits des attributs numériques. Des filtres morphologiques sont ensuite appliqués aux attributs symboliques pour déterminer des ordres sur les valeurs catégorielles à partir de l'ordre induit par les motifs graduels. Enfin, une mesure d'entropie d'ordre permet d'évaluer la pertinence des ordres candidats.

K-nearest neighbors classifier under possibility framework

Auteurs : Sarra Saied, Zied Elouedi

La classification est un domaine de recherche très important dans le domaine d'apprentissage automatique. L'une des techniques de classification les plus connues est l'algorithme de K-plus proche voisins (KPPV) connu par sa simplicité et son efficacité. Cette méthode est extrêmement intuitive, simple à implémenter et elle donne de bons résultats avec des données certaines. Cependant, l'un des problèmes majeurs qui se pose lorsqu'on utilise cette technique est que tous les voisins ont la même importance dans la décision de classe d'appartenance de l'objet en question, alors qu'il y a des voisins qui sont très loins de cet objet. Dans cet article, nous proposons une nouvelle approche basée sur la technique KPPV dans un cadre de possibilités. Cette méthode permet de gérer l'incertitude dans les étiquettes de classe où chaque objet à classer sera affecté à plusieurs classes avec des degrés de possibilités. Des expérimentations basées sur plusieurs ensembles de données réels ont été menées pour montrer l'efficacité de la méthode proposée par rapport aux autres méthodes.