Thèse soutenue

Acquisition, correction et validation des connaissances pour un systeme expert en reparation de pales d'helicopteres par des techndiques d'apprentissage symbolique automatique
FR  |  
EN
Accès à la thèse
Auteur / Autrice : MOUNA EL ATTAR
Direction : Yves Kodratoff
Type : Thèse de doctorat
Discipline(s) : Sciences appliquées
Date : Soutenance en 1994
Etablissement(s) : Paris 11

Résumé

FR

Dans cette these, nous presentons mea, un systeme d'apprentissage inductif qui, a partir d'exemples pre-classifies ou de regles, construit automatiquement des regles de production. Dans mea, les exemples sont soit donnes par l'expert, soit recuperes de l'historique des interventions de l'expert disponible dans une base de donnees oracle. Mea, qui utilise une representation par objets structures, peut etre vu comme une extension et/ou une amelioration de l'algorithme id3, notamment en ce qui concerne le traitement des attributs a valeurs continues et des attributs multivalues. Nous montrons ici comment etendre l'algorithme id3 au traitement des attributs a valeurs continues, comment prendre en compte la connaissance implicite attachee a chaque descripteur, comment traiter les exemples incomplets, tout en aidant l'expert dans son travail de correction et de completion de la theorie du domaine, comment remedier au probleme des incoherences pouvant eventuellement etre produites apres traitement des attributs manquants par une methode de regroupement, comment s'affranchir du probleme de la sur-specialisation et/ou des exemples bruites, avec la contrainte particuliere que les regles finales ne peuvent pas presenter d'incertitude (les reparations doivent etre certifiees par l'expert aide par le systeme automatique mea; l'expert y engage meme sa responsabilite personnelle), comment utiliser systematiquement certains operateurs syntaxiques d'apprentissage et ce, afin d'augmenter l'applicabilite des regles induites et d'aider l'expert a affiner sa conceptualisation du domaine, comment choisir parmi les attributs produisant le meme gain d'information de sorte que la base de regles induite soit plus concise, plus robuste au bruit et plus proche de celle de l'expert, et comment decouvrir des correlations entre les valeurs numeriques non necessaires et les valeurs symboliques auxquelles elles correspondent afin d'obtenir des regles plus informatives pour l'expert du domaine. Mea a ete teste sur une application du monde reel et son applicabilite a ete demontree par les bons resultats obtenus tant du point de vue efficacite et simplicite que comprehensibilite pour l'expert du domaine