Differences

This shows you the differences between two versions of the page.

--- scenario-lum [2025/04/19 16:01]
13.59.91.118 old revision restored (2025/02/27 13:28)
+++ scenario-lum [2025/04/19 21:55] (current)
3.134.113.26 old revision restored (2025/02/27 18:42)
@@ Line 188: / Line 188: @@
 Dans le point de vue précédent, l'accent a été mis sur le fonctionnement
 globale du modèle. De ce point de vue, au contraire, nous allons nous
-concentré, pas à pas, sur les suites logiques d'évènements pouvant arriver
+concentré sur les suites logiques d'évènements pouvant arriver à un système
-à un système d'apprentissage.
+d'apprentissage.
-=== Variables d'entrées et Découpe ===
+=== Conception de flux d'instances ===
-Reprennons à partir de la découpe d'une variable d'entrée,
+Comme dit précédemment, les couples Découper Similarité vont extraire
-par exemple V<sub>2:2</sub>.
-{{wiki:V2_2.png}}
-== Couple Découper - Similarité (D-S) ==
-L'apprentissage de la découpe d'une variable
-d'entrée est implémenté par un couple D-S. Leurs
-intéractions, dont nous allons voir le fonctionnement,
-permet de connaître la "pertinence" du découpage
-d'une variable en particulier. Ils font varier leurs
-paramètres en explorant l'espace de marquage vu précédemment.
-== Découpe ==
-L'agent Découper d'un couple D-S associé à la variable V<sub>2:2</sub>
-a pour paramètre un Δt qui est la taille de la fenêtre de découpe.
-{{wiki:decoupe.png}}
-L'agent Découper va alors parcourir la variable d'entrée en faisant
-"glisser" sa fenêtre de découpe le long des variations. La fenètre
-peut être simplement glissante, ou bien glissante et suivant les
-variations de la variable d'entrée, comme sur l'image ci-dessus.
-La portion découpée par l'agent Découper est alors représenté sous
-la forme d'un histogramme.
-== Similarité et Différenciation ==
-Les histogrammes produit par l'agent Découper sont alors récupéré
-par l'agent Similarité qui lui associé.
-Celui ci compare les nouvelles instances d'évènement avec ceux qu'il
-a stocké précédemment, ou plutôt avec l'histogramme représentant la moyenne
-de chaque groupe d'instances similaires. Cette "moyenne" peut être considéré
-comme un pré-concept d'évènement.
-La fonction de comparaison utilisée pour différencier les instances découpées
-en une fonction d'intersection entre les deux histogrammes représentant les
-instances.
-{{wiki:similarite.png}}
-Ainsi l'agent Similarité du couple D-S "rangera" les nouvelles instances
-d'évènements avec celles qui lui sont le plus similaire, modifiant par la
-même la moyenne de ce groupe d'instance. Si aucun groupe n'est trouvé pour
-une instance, alors un nouveau lui correspondant sera créé.
-<note>
-le paramètre de l'agent Similarité serait sont seuil d'acceptation
-de similarité, mais cela reste à confirmer.
-</note>
-== Feedback et sélection de concept ==
-Avant que la moyenne d'un groupe d'instance soit considérée comme un réel
-concept d'évènement, l'agent Similarité d'un couple D-S va calculer l'intérêt
-de chaque pré-concept, et marquer le maximum de ces intérêts dans l'espace de
-marquage des couple D-S.
-Le feedback d'intérêt d'un pré-concept d'évènement est calculé à partir de la
-spécificité de cet évènement, c'est à dire si l'évènement "sort du lot", et
-de la redondance de cet évènement. Pour faire simple, parmis tous les évènements
-"rare", celui qui aura le plus fort intérêt sera celui qui arrive le plus souvent,
-donc potentiellement le moins dû au hasard.
-<code>
-    intérêt = spécificité + redondance
-</code>
-C'est lorsqu'un couple D-S de type //Exploiteur// se positionnera, dans l'espace
-de marquage, sur les paramètres de découpe de V<sub>2:2</sub> que la création de
-Flux d'instance se fera pour les concept ayant la plus haute spécificité.
-== Conception de flux d'instances ==
-<note important>
-Le fonctionnement de l'API de flux n'est, pour le moment, pas clairement
-définie.
-</note>
-Comme dit précédemment, les couples D-S vont extraire
 des //concepts d'évènements// et créer des //flux d'instances d'évènements//.
 Ces flux pourraient correspondre à des flux RSS (ou tout autre outils permettant
@@ Line 286: / Line 201: @@
 du flux.
-Supposons qu'à partir de V<sub>2:2</sub> deux concepts d'évènements soient
+    <?xml version="1.0" encoding="UTF-8"?>
-créés.
+    <rss version="2.0">
+        <channel>
-Il y aura donc deux flux de créé par le couple D-S affecté à cette variable
+            <title>Mon site</title>
-d'entrée. Ces flux étant internes du point de vue du store et externe
+            <description>Ceci est un exemple de flux RSS 2.0</description>
-du point de vue du système d'éclairage.
+            <lastBuildDate>Sat, 07 Sep 2002 00:00:01 GMT</lastBuildDate>
+            <link>http://www.example.org</link>
-{{wiki:conceptualisation_nntp.png}}
+            <item>
+                <title>Actualité N°1</title>
-<code>
+                <description>Ceci est ma première actualité</description>
-Exemple de description d'un flux en JSON-LD :
+                <pubDate>Sat, 07 Sep 2002 00:00:01 GMT</pubDate>
+                <link>http://www.example.org/actu1</link>
+            </item>
-{
+            <item>
-  "@context": "http://www.w3.org/ns/activitystreams",
+                <title>Actualité N°2</title>
+                <description>Ceci est ma seconde actualité</description>
-  "@type": "Activity",
+                <pubDate>Sat, 07 Sep 2002 00:00:01 GMT</pubDate>
+                <link>http://www.example.org/actu2</link>
-  "published": "2016-01-25T12:34:56Z"
+            </item>
+        </channel>
-  "author": {
+    </rss>
-    "@type": "Object",
-    "@id": "URI de l'objet / URI du flux"
-  }
-  "orderedItems": [
-    {
-      "@type": "Event"
-        ...
-    },
-    {
-      "@type": "Event"
-       ...
-    }
-  ]
-}
-</code>
-=== Flux d'instances et Association ===
-Reprennons à partir du moment où tous les flux (internes et externes)
-de tous les objets de la société soient créés et accessibles par le store.
-C'est à dire :
-  * 4 flux internes correspondant à :
-    * V2:1 à 1 pendant un certain temps.
-    * V2:1 à -1 pendant un certain temps.
-    * V2:2 augmentant progressivement de 0 à 1.
-    * V2:2 diminuant progressivement de 1 à 0.
-  * 6 flux externes correspondant à :
-    * V1:1 passant de 0 à 1 instantanément.
-    * V1:1 passant de 1 à 0 instantanément.
-    * V1:2 passant à 1 instantanément.
-    * V1:2 passant à 0 instantanément.
-    * V1:2 augmentant progressivement.
-    * V1:2 diminuant progressivement (sur plusieurs heures).
-== Couple Association Similarité (A-S) ==
-Déterminer l'intérêt d'associer un flux à un autre est
-la fonction des couples A-S. Les couples A-S de type
-//Explorateur// se déplaçant et marquant l'intérêt des
-paramètres testés dans l'espace de marquage.
-== Association ==
-L'agent Association d'un couple A-S prend pour référence
-le flux (interne ou externe) au quel il est affecté dans
-l'espace de marquage. Les paramètres de l'agent Association
-étant les autres flux auquel il tente d'associer son flux
-de reférence.
-== Feedback d'intérêt ==
-Comme pour le couple D-S, l'agent Similarité récupére
-et classe les instances de l'association récupérées.
-L'instance d'une association est, en partie, caractérisée
-par le delai entre la reférence et le flux associé, délai
-pouvant bien entendu être négatif.
-Un feedback d'intérêt est alors appliqué aux associations
-découvertes par le couple A-S. Ce feedback est composé
-de deux intérêts :
-  * L'**intérêt égoïste** ou intérêt intrapersonnel :
-L'association des flux est évalué sur sa capacité à découvrir des motifs
-pertinent pour soi, sans prendre en compte autrui. Il prend en compte
-la spécificité et la précision des instances évalués.
-  * L'**intérêt altruiste** ou intérêt interpersonnel :
-L'association des flux évalué sur sa capacité à découvrir des motifs
-pertinent pour autrui, c'est à dire qu'il plus pertinent que se soit
-le store qui prévienne les autres avatars de l'arrivé de l'association.
-Ainsi cet intérêt est calculé à partir du nombre de flux interne utilisé
-dans l'association, car nous partons du principe que chacun des avatars
-cherche en priorité les motifs liés à ses capteurs, sans pour autant laisser
-une probabilité nulle de trouver des motifs à partir de flux externe.
-L'intérêt d'une association est donc alculé à partir de l'intérêt égoiste et altruiste.
-<code>
-intérêt = (intérêt égoiste) ^ alpha  *  (intérêt altruiste) ^ beta
-<=> intérêt = ( ( spécificité + précision ) ^ alpha ) * ( ( nb_flux_interne + 1 ) ^ beta )
-Les coefficients alpha et beta sont ici pour donner plus de poids à l'une ou l'autre des parties de l'intérêt,
-par défaut nous pouvons les considérer comme égals à 1.
-</code>
-<note tip>
-Autre possibilité :
-intérêt = ((spécificité + précision) ^ alpha) / ( ( 3 - nb_flux_interne ) ^ beta )
-Le but étant que le rapport égoiste/altruiste, soit, pour un même intérêt
-égoiste, plus important si plus de flux interne sont mis en jeux dans
-l'association.
-</note>
-== Prédiction et Partage ==
-A partir de ce feedback d'intérêt, marqué par les couples A-S de type //Explorateur//,
-les couples A-S vont pouvoir tenter d'évaluer, à l'aide d'un second feedback, la capacité
-prédictrice des paramètres ayant le plus fort intérêt.
-De nouveaux flux sont alors créé pour les évènements association les plus pertinents,
-donc en priorité ceux dont l'avatar associe deux évènements internes, ou un évènement
-externe puis un évènement interne.
 ===== Problèmes =====

DokuWiki

Site Tools

Differences

Page Tools