Cordialement,
Lionel.
Le 16 janv. 2012 à 12:37, Lionel Torti a écrit :
> Bonjour,
>
> j'ai le plaisir de vous inviter à ma soutenance de thèse ainsi qu'au pot qui suivra.
>
> La thèse est intitulée: "Inférence probabiliste structurée dans les modèles graphiques probabilistes orientés-objet".
>
> La soutenance aurai lieu le vendredi 26 janvier 2012 à 14h00 dans la salle 101, couloir 25-26 au LIP6 - 4, place Jussieu - 75005 Paris.
>
> Le jury sera composé de :
> - Thomas D. Nielsen - Aalborg University ;
> - Marc Bouissou - EDF R&D - École Centrale Paris ;
> - Eva Crück - DGA - CREA ;
> - Stijn Meganck - Vrije Universiteit Brussel ;
> - Patrice Perny - LIP6 ;
> - Christophe Gonzales - LIP6 ;
> - Pierre-Henri Wuillemin - LIP6.
>
> Résumé :
>
> Les modèles graphiques probabilistes (MGP) sont particulièrement utilisés dans
> les domaines du diagnostique automatique, de la sûreté de fonctionnement et de
> la maitrise des risques. Pour ces applications, les réseaux bayésiens (RB) sont
> parmi les MGP les plus populaires, car ils offrent un cadre efficace pour la
> représentation des connaissances et le raisonnement probabiliste. Toutefois,
> la modélisation des systèmes complexes avec des RB soulèvent des difficultés,
> les principaux étant l'impossibilité de réutiliser l'existant et la difficulté
> pour modéliser des systèmes de grandes tailles. Vers la fin des années 1990,
> plusieurs extensions des RB allaient lancer le développement des modèles
> probabilistes du premier ordre (MPPO). Alors que la communauté des chercheurs
> en IA se concentra sur la fusion de la logique du premier ordre avec les MGP,
> les difficultés pour modéliser des systèmes complexes à l'aide de RB furent
> laissées de côtés. Néanmoins, il y a encore de nombreux manques dans les
> extensions orientés-objet des RB: pouvons nous mieux définir l'héritage ?
> Comment représenter des concepts tels que le polymorphisme, le prototypage ou encore
> l'abstraction ? Quelles sont les différences entre les MPPO et les MGP
> orientés-objet ?
>
> Lorsque les connaissances d'experts sont utilisées pour modéliser un système,
> l'inférence probabiliste est une des principales applications des RB. Il
> existe une grande variété d'approches, chacune exploitant un aspect
> particulier des RB (conditionnement, arbre de jonction, CNF, etc.). Mais,
> lorsque nous considérons les extensions des RB, il y a peu d'algorithmes
> dédiés. En effet, la plupart des extensions utilisent l'inférence "groundée",
> ie. que le modèle est transformé en RB pour y appliquer des algorithmes
> d'inférence classiques. Parmi les algorithmes dédiés, Structured Variable
> Elimination (SVE, Pfeffer 1999) exploite les modèles orientés-objet. Il réduit
> le nombre de calcul en utilisant la répétition structurelle caractéristique
> des modèles orientés-objet. Toutefois, SVE a des défauts qui empêchent son
> utilisation sur des systèmes conçus par des experts dans lesquels il n'y a pas
> d'incertitude structurelle, ie. dans des mondes fermés.
>
> L'objectif de cette thèse est de développer une modélisation orienté-objet pour
> les MGP et de généraliser l'inférence structurée. Après une analyse de l'état
> de l'art, nous proposons une comparaison des différents paradigmes de
> représentation (orienté-objet, entité relation, premier ordre). Puis nous
> présentons notre première contribution: une formalisation complète du paradigme
> orienté-objet pour les MGP. Nous utilisons les modèles probabilistes
> relationnels (MPR) comme base que nous étendons pour inclure des concepts tel
> que l'héritage multiple, l'abstraction, le polymorphisme et l'héritage de type.
>
> La deuxième contribution de cette thèse est l'étude et la généralisation de
> l'algorithme SVE. SVE exploite l'information structurelle représentée par les
> classes et réduit les calculs redondants. Nous proposons une reformulation de
> SVE et analysons ses principaux défauts. Puis nous généralisons SVE en
> étendant la notion d'inférence structurée à notre formalisme. Ceci donne une
> nouvelle forme d'inférence appelée Inférence Probabiliste Structurée (IPS).
> Finalement, nous montrons comment l'analyse en d-séparation et l'inférence
> structurée peuvent être utilisées conjointement pour améliorer les
> performances de IPS.
>
> La troisième contribution de cette thèse repousse un peu plus loin le concept
> de l'inférence structurée. Nous exploitons un algorithme de recherche de sous
> graphes pour détecter une répétition de motifs dans un système. Ces motifs
> définissent une répétition de structure de haut niveau, appelée classe
> dynamique, qui peut être exploitée pour améliorer IPS. Nous proposons une
> analyse de la complexité du problème et un algorithme approché pour trouver de
> "bonnes" classes dynamiques. Nous fournissons des résultats expérimentaux étayant
> notre approche.
>
> Mots clés : modèles graphiques probabilistes, systèmes complexes, passage à
> l'échelle, représentation des connaissances, réseaux bayésiens orienté-objet,
> modèle relationnels probabilistes, inférence probabiliste structurée.
>
> Bien cordialement,
> Lionel Torti.
> __________________________________________________________
> PhD student - Doctorant
> http://www-ia.lip6.fr/~torti
> Office: T. 26-00 B. 401 | 4, place Jussieu | 75252 | Paris Cedex 05 | France
> Phone: +33 1 44 27 70 07 | fax: +33 1 44 27 88 89
> __________________________________________________________
>
Aucun commentaire:
Enregistrer un commentaire