Recherche de règles de prédiction dans un contexte d'Intelligence Ambiante

Prediction rule mining in an Ambient Intelligence context

• Auteur / Autrice : Benoit Vuillemin
• Direction : Salima Hassas, Laëtitia Matignon, Rozenn Nicol, Lionel Delphin-Poulat
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 08/07/2020
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : École doctorale en Informatique et Mathématiques de Lyon (Lyon ; 2009-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Claude Bernard (Lyon ; 1971-....)
• Partenaire(s) de recherche : Laboratoire : LIRIS - Laboratoire d'Informatique en Image et Systèmes d'information (Rhône ; 2003-....)
• Jury : Président / Présidente : Amal El Fallah Seghrouchni
• Jury : Examinateurs / Examinatrices : Salima Hassas, Laëtitia Matignon, Rozenn Nicol, Philippe Fournier-Viger, Patrick Reignier, Pierre-Antoine Champin, Amedeo Napoli
• Jury : Rapporteurs / Rapporteuses : Philippe Fournier-Viger, Patrick Reignier

Mots clés

Mots clés contrôlés

Intelligence artificielle

Séries chronologiques

Mots clés libres

Règles de prédiction

Recherche de règles

Séries temporelles

Recherche d'habitudes

Intelligence ambiante

Internet des objets

Intelligence artificielle

Informatique ubiquitaire

Prediction rules

Rule mining

Time series

Search for habits

Ambient Intelligence

Internet of Things

Artificial Intelligence

Ubiquitous Computing

Résumé

Cette thèse traite du sujet de l’intelligence ambiante, fusion entre l’intelligence artificielle et l’internet des objets. L’objectif de ce travail est d’extraire des règles de prédiction à partir des données fournies par les objets connectés dans un environnement, afin de proposer aux utilisateurs des automatisations. Notre principale motivation repose sur la confidentialité, les interactions entre utilisateurs et l’explicabilité du fonctionnement du système. Dans ce contexte, plusieurs contributions ont été apportées. La première est une architecture d’intelligence ambiante qui fonctionne localement et traite les données provenant d’un seul environnement connecté. La seconde est un processus de discrétisation sans a priori sur les données d’entrée, permettant de prendre en compte les différentes données provenant de divers objets. La troisième est un nouvel algorithme de recherche de règles sur une série temporelle, qui évite les limitations des algorithmes de l’état de l’art. L’approche a été validée par des tests sur deux bases de données réelles. Enfin, les perspectives de développement du système sont présentées

This thesis deals with the subject of Ambient Intelligence, the fusion between Artificial Intelligence and the Internet of Things. The goal of this work is to extract prediction rules from the data provided by connected objects in an environment, in order to propose automation to users. Our main concern relies on privacy, user interactions, and the explainability of the system’s operation. In this context, several contributions were made. The first is an ambient intelligence architecture that operates locally, and processes data from a single connected environment. The second is a discretization process without a priori on the input data, allowing to take into account different kinds of data from various objects. The third is a new algorithm for searching rules over a time series, which avoids the limitations of stateoftheart algorithms. The approach was validated by tests on two real databases. Finally, prospects for future developments in the system are presented