Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Techniques de l'intelligence artificielle / Cours / Master 2 CE/2020-2021. © Pr

Techniques de l'intelligence artificielle / Cours / Master 2 CE/2020-2021. © Pr. A. CHAIBA Département de Génie Industriel- Faculté de sciences et de Technologie - U. Khenchela. CH1-1 MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE ABBES LAGHROUR- KHENCHELA جامعة عباس لغرور خنشلة ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- كليــــة العلـــــوم والتكنولوجي ــــــ ا قسم الهندسة الصناعية CHAPITRE I Généralités sur le "soft computing" 1.1.Introduction : Le calcul souple est devenu un domaine de recherche de l’informatique dans les années 1990. À l’époque, les approches du calcul informatique ne pouvaient aborder que des problèmes de simple complexité et les systèmes les plus complexes découlant de la biologie, la médecine, les sciences humaines, sciences de gestion, et des domaines similaires sont souvent restés irrésolus par les méthodes classiques des mathématiques et de l'analyse. Le calcul souple traite de l'imprécision, de l'incertitude, de la vérité partielle, et du rapprochement pour atteindre une traçabilité, une robustesse et un coût faible pour la solution. 1.2. Définition du soft computing : Soft computing est une approche émergente du calcul informatique, qui est parallèle à la capacité remarquable de l'esprit humain, à raisonner et à apprendre dans un environnement d'incertitude et d'imprécision. 1.3. Composition du soft computing : Certains de ses composants essentiels sont :  Systèmes intelligents flous (SIF)  Réseau de neurones artificiels (RNA)  Algorithme évolutionniste (AÉ) exemple : Algorithme génétique. Ces méthodologies constituent le cœur du soft computing. 1.4. Buts de soft computing : L'objectif principal du soft computing est de développer des machines intelligentes pour fournir des solutions aux problèmes du monde réel, qui ne sont ni modélisés, ni trop difficiles à modéliser mathématiquement. Son objectif est d'exploiter la tolérance pour l'approximation, l'incertitude, l'imprécision et la vérité partielle afin de ressembler strictement à la prise de décision humaine. Techniques de l'intelligence artificielle / Cours / Master 2 CE/2020-2021. © Pr. A. CHAIBA Département de Génie Industriel- Faculté de sciences et de Technologie - U. Khenchela. CH1-2 1.5. L’Historique de développement du soft computing : Soft Computing Zadeh 1981 = Calcul évolutif Rechenberg 1960 + Réseaux de neurones McCulloch 1943 + Logique floue Zadeh 1965 Calcul évolutif Rechenberg 1960 = programmation génétique Koza 1992 + stratégies d’évolution Rechenberg 1960 +Programmation évolutionniste Fogel 1962 +Algorithme génétique Holland 1970 1.6. Domaines d’application : - Appareil de consommation comme : AC, réfrigérateurs, radiateurs, machine à laver. La robotique, les robots domestiques émotionnels Appareils de préparation des aliments comme les cuisiniers et les micro-ondes  Médecine : aide au diagnostic, …  Télécoms : compression, routage, sécurité, …  Industrie : supervision, contrôle qualité, …  Finance : prédiction, …  Commerce : exploration de données, …  Bio-informatique : analyse de séquences d’ADN,  Biométrie : authentification par analyse d’iris, d’empreintes digitales, de visages  Reconnaissance de formes : parole, écriture, images, …  Internet : classification et recherche d’informations 1.7. Future du soft computing :  Soft computing peut être étendue pour inclure les aspects bio-informatiques  Le système flou peut être appliqué à la construction des systèmes industriels intelligents plus avancés  Soft computing est très efficace lorsqu'elle est appliquée à des problèmes du monde réel qui ne peuvent être résolus par le calcul dure traditionnelle.  Le calcul souple permet aux industriels d'être innovants en raison des caractéristiques du soft computing: Coefficient de traçabilité, faible coût et haute machine intelligente Techniques de l'intelligence artificielle / Cours / Master 2 CE/2020-2021. © Pr. A. CHAIBA Département de Génie Industriel- Faculté de sciences et de Technologie - U. Khenchela. CH1-3 2. Résumé sur les composants du soft computing : 2.1- Réseau de neurones artificiels (RNA) Un réseau de neurone, en général, est un réseau hautement interconnecté d'un grand nombre d'éléments de traitement appelés neurones dans une architecture inspirée du cerveau 2.1.1. Les caractéristiques d’un réseau de neurone : -Possibilités de cartographie -association de motifs -Généralisation -Robustesse -Tolérance aux pannes -Traitement d'informations parallèles et à grande vitesse 2.2. Systèmes intelligents flous (SIF) : Les bases de la logique floue ont été établies en 1965 par le professeur Lotfi Zadeh de l’université de Californie de Berkeley. La théorie de la logique floue est l’une des rares théories qui s’est fixée le but de copier la performance humaine. L’idée consiste à examiner comment est-ce que l’homme se fait pour lui-même un modèle de tout ce qu’il l’entoure et comment il utilise ce modèle pour se doter de stratégies avec lesquelles il arrive à maîtriser et à asservir son environnement. La théorie des ensembles flous proposée en 1965 par A. Zadeh est une généralisation de la théorie des ensembles classiques. Dans la théorie des ensembles classiques, un élément appartient ou n'appartient pas à un ensemble et, par conséquent, cet ensemble est appelé ensemble croquant. Mais dans un ensemble flou, plusieurs degrés d'appartenance (entre 0 et 1) sont autorisés 2.3. Algorithme génétique (AG) : Les algorithmes génétiques initiés et développés au début des années 1970 par John Holland sont des algorithmes de recherche et d'optimisation qui imitent une partie du processus d'évolution naturelle. Le gaz effectue une recherche aléatoire dirigée à travers un ensemble donné d'alternatives dans le but de trouver la Techniques de l'intelligence artificielle / Cours / Master 2 CE/2020-2021. © Pr. A. CHAIBA Département de Génie Industriel- Faculté de sciences et de Technologie - U. Khenchela. CH1-4 meilleure alternative en respectant les critères de bonté donnés. Ces critères doivent être exprimés en fonction d'une fonction d'objet qui est généralement appelée une fonction de qualification. 2.3.1. Contexte biologique : Tous les organismes vivants se composent de cellules, il existe un ensemble de chromosomes qui sont des cordes d'ADN et sert comme un modèle de l'organisme. Les chromosomes se composent des gènes de blocs d'ADN. Chaque gène code un modèle particulier. Fondamentalement, on peut dire que chaque gène code un des caractères 2.3.2. Avantages de l'algorithme génétique -Facile à comprendre -Nous obtenons toujours une réponse et la réponse s'améliore avec le temps -Flexible pour former un bloc de construction pour une application hybride -A une gamme d'utilisation importante -Supporte l'optimisation multi-objective -Modulaire séparé de l'application 2.3.3. Codage : Il existe plusieurs façons de représenter des gènes individuels. codage binaire codage octal Codage hexadécimal codage de la permutation Codage des valeurs Codage d'arbre uploads/Science et Technologie/ chapitre-1-t-de-l-intelig-chaiba.pdf