Thèse soutenue

Vers l'integration de l'apprentissage symbolique et de l'acquisition de connaissances basee sur les modeles : le systeme enigme
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Jérôme Thomas
Direction : Jean-Gabriel Ganascia
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance en 1996
Etablissement(s) : Paris 6

Mots clés

FR

Mots clés contrôlés

Résumé

FR

Dans cette these, nous presentons une approche permettant une integration entre apprentissage symbolique et acquisition de connaissances qui ne se reduise pas a une simple juxtaposition. La notion de biais d'apprentissage y joue un role central. Nous montrons que la methode de resolution de problemes que le systeme final doit suivre, ainsi que des modeles du domaine, peuvent etre utilises pour guider efficacement un systeme d'apprentissage. La plupart des entrees d'un tel systeme peuvent donc etre issues du modele d'expertise des methodologies kads ou vital. L'utilisation de ces connaissances comme biais d'apprentissage permet (1) d'engendrer, a l'aide d'un outil d'apprentissage, des connaissances destinees a une architecture de systeme expert de seconde generation ; (2) de donner une semantique aux connaissances qui contraignent les resultats de l'apprentissage, en s'appuyant sur leur role durant la resolution de problemes ; (3) d'utiliser les outils developpes par l'acquisition des connaissances pour acquerir le biais d'apprentissage ; et, enfin, (4) de fournir a l'ingenieur cogniticien de nouveaux outils d'explicitation dans un banc logiciel d'acquisition des connaissances basee sur les modeles. Cela est rendu possible par le fait que le systeme d'apprentissage prend en compte les connaissances acquises et deja modelisees pour en apprendre de nouvelles, garantissant ainsi une certaine coherence entre ces differentes connaissances. Nous presentons aussi enigme, le systeme que nous avons mis en uvre pour valider ces idees. Un scenario d'utilisation de ce systeme sur un domaine d'application issu du jeu de bridge est decrit.