FR2806186A1 - Procede relatif a la mise en oeuvre d'une fonction d'imagination dans un systeme technique - Google Patents

Procede relatif a la mise en oeuvre d'une fonction d'imagination dans un systeme technique Download PDF

Info

Publication number
FR2806186A1
FR2806186A1 FR0003051A FR0003051A FR2806186A1 FR 2806186 A1 FR2806186 A1 FR 2806186A1 FR 0003051 A FR0003051 A FR 0003051A FR 0003051 A FR0003051 A FR 0003051A FR 2806186 A1 FR2806186 A1 FR 2806186A1
Authority
FR
France
Prior art keywords
imagination
function
decision
vector
components
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
FR0003051A
Other languages
English (en)
Other versions
FR2806186B1 (fr
Inventor
Didier Henri Michel Louis Cugy
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to FR0003051A priority Critical patent/FR2806186B1/fr
Publication of FR2806186A1 publication Critical patent/FR2806186A1/fr
Application granted granted Critical
Publication of FR2806186B1 publication Critical patent/FR2806186B1/fr
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations

Abstract

L'invention concerne un procédé relatif à la mise en oeuvre d'une fonction d'imagination dans un système technique. Cette invention s'applique notamment à des systèmes de traitement de l'information élaborés à partir de machines utilisant des algorithmes séquentiels (Machines de Von Neuman) ou des systèmes construits à partir de réseaux de neurones. Le procédé décrit s'applique notamment à toutes applications mettant en oeuvre des processus décisionnels ou de contrôle et éventuellement soumis à des aléas impliquant habituellement la supervision humaine. Le procédé ayant alors pour objet de pallier de façon autonome à l'impossibilité du contrôle humain. De façon générale, il est possible de représenter le contenu informationnel d'une situation donnée au moyen d'un vecteur V (x, y, z, t,....) dans un espace à N dimensions. L'élaboration de nouvelle connaissance consiste à appliquer aux différentes composantes du vecteur informationnel une variabilité caractérisée par une distribution ajustable en fonction d'un paramètre dépendant de l'information produite. Nous proposons, à titre d'exemple, d'utiliser une distribution de Boltzmann pour laquelle l'étendue de la variabilité dépend d'un paramètre appelé température. La nouveauté de l'information produite est évaluée à partir du calcul de la distance séparant le vecteur d'origine du vecteur "imaginé". Le contrôle de la production imaginative est effectué par une boucle d'asservissement de la température à la distance séparant l'information originale (Vorg) de l'information imaginée (Vimag).

Description

Procédé relatif à la mise en oeuvre d'une fonction d'imagination dans un système technique 11<U>Description générale</U> La présente invention concerne un procédé permettant la mise en oeuvre d'une fonction d'imagination dans un système technique. Cette invention s'applique notamment à des systèmes de traitement de l'information élaborés à partir de machines utilisant des algorithmes séquentiels (Machines de Von Neuman) ou des systèmes construits à partir de réseaux de neurones.
21<U>Environnement</U> technique <U>de l'invention</U> De façon habituelle, les dispositifs actuels de traitement de l'information mettent en oeuvre des algorithmes déterministes élaborés à partir d'une analyse exhaustive des conditions environnementales. Les systèmes de prise de décision utilisent de façon complémentaire des méthodes analytiques de calcul probabiliste ainsi que des règles de décision (miniMAX, etc...).
Ces techniques présentent des limites dûes à l'incapacité inhérente à leur architecture de faire évoluer la représentation de l'information qu'elles sont amenées à traiter et notamment à représenter des objets ou des faits irréels ou jamais perçus..
Ces limites ont pour effet de cantonner l'utilisation des dispositifs actuels de traitement de l'information à des environnements prévisibles et selon des procédures prédéterminées.
31<U>Objet</U> L'objet de l'invention est de décrire un procédé permettant la mise en oeuvre d'une fonction d'imagination dans un système technique.
41<U>Avantages</U> Le procédé a pour objet, dans le cas d'une situation incertaine, d'élaborer des représentations par assimilation de l'information environnementale et de rechercher les stratégies les plus opportunes par rapport à l'objet du système sur lequel est mis en oeuvre le procédé. 51<U>Domaines</U> d'application Le procédé décrit s'applique notamment à toutes applications mettant en oeuvre des processus décisionnels où de contrôle et éventuellement soumis à des aléas impliquant habituellement la supervision humaine. Le procédé ayant alors pour objet de pallier de façon autonome à l'impossibilité du contrôle humain.
On peut citer à titre d'exemple : - gestion de perte de liaison terrestre lors de missions spatiales, - gestion automatique de contre-mesures en situation militaire, - prise de décision automatisée d'achats et de ventes sur des marchés boursiers, - cryptage dynamique de données au moyen de langues artificielles générées par des dispositifs utilisant le procédé, - optimisation d'algorithmes de jeux, - reconnaissance vocale, - dessin et conception assistée par ordinateur.
61<U>Description détaillée</U> II est possible de représenter le contenu informationnel d'une situation donnée au moyen d'un vecteur V(x, y, z, t, .... ) dans un espace à N dimensions cet espace étant dénomé espace de perception. On peut considérer que la représentation de cette information dans l'espace associé au traitement de celle-ci peut être assimilée à la projection du vecteur V dans un espace à M dimensions tel que l'on obtienne un nouveau vecteur W(x'(x,y,z,t, ... ), y'(x,y,z,t,...), z'(x,y,z,t,...), t'(x,y,z,t,...), <B>...... ).</B> De même, le résultat du traitement du vecteur W au sein de l'espace de représentation peut être représenté dans l'espace de perception de dimension N sous la forme d'un nouveau vecteur V'(x"(x',y',z',t',....), y"(x',y',z',t',....),z"(x',y',z',t',...),t (x',y',z',t',....),......) L'ensemble du processus pouvant être représenté de façon simplifiée de la façon suivante : à un vecteur d'entrée V(x,y,z,t,...) décrit dans l'espace de perception à N dimension EN correspond un vecteur de sortie V décrit dans l'espace de perception tel que l'on ait V'(x'(V), y'(V), z'(V), t'(V),...... ). Ce vecteur traduisant le resultat de l'opération réalisée dans l'espace de traitement à M dimensions.
Dans le cas des systèmes déterministes à chaque vecteur d'entrée possible correspond un ensemble de vecteurs de sortie.
Dans le cas de systèmes peu ou non déterministes, il n'existe pas de solution pour chaque vecteur d'entrée possible. Dans ces conditions, le système doit pouvoir "imaginer" une solution à partir de sa connaissance acquise. Une technique d'élaboration d'une nouvelle connaissance consiste en l'application d'une fonction de bruit sur les différentes composantes de la représentation du vecteur V dans l'espace de traitement.
La fonction de bruit est caractérisée par une distribution et un espace de variation. Cet espace est théoriquement infini et ne peut être simplement asservi à l'imagination produite par le système.
En raison de cette absence de contrôle, l'évolution du système est caractérisée par une forte probabilité de divergence.
Dans notre procédé, l'élaboration de nouvelle connaissance consiste à appliquer aux différentes composantes du vecteur informationnel une variabilité caractérisée par une distribution ajustable en fonction d'un paramètre dépendant de l'information produite.
Nous proposons, à titre d'exemple, d'utiliser une distribution de Boltzmann pour laquelle l'étendue de la variabilité est ajustable au moyen d'un paramètre appelé température.
La nouveauté de l'information produite est évaluée à partir du calcul de la distance séparant le vecteur d'origine du vecteur "imaginé".
Le contrôle de la production imaginative est effectué par une boucle d'asservissement de la température à la distance séparant l'information originale de l'information imaginée (figure 1).
Le contrôle de la production imaginative du système est alors ajustable au moyen de la température de référence qui peut elle même dépendre de l'acceptabilité des solutions proposées au problème posé (figure 2).
Dans l'exemple de la figure 2, la représentation de l'information relative à l'espace de perception(Vper) est transformée après traitement au moyen de la matrice de réponse de l'espace de perception vers l'espace comportemental en une représentation comportementale (Vcomp). Cette représentation subit une transformation au moyen de la fonction d'imagination, puis au moyen de la matrice de réponse de l'espace comportemental vers l'espace de perception et aboutit à une estimation de l'espace de perception en réponse au comportement (Vest). La comparaison entre la représentation de perception (Vper) avec celle estimée (Vest) permet d'évaluer le risque associé au comportement. Le contrôle de la fonction d'imagination ainsi que celui de l'exécution (Vexe) est élaboré à partir du risque évalué.

Claims (9)

REVENDICATIONS
1. Procédé de mise en oeuvre d'une fonction d'imagination dans un système technique caractérisé en ce qu'il permet d'obtenir une représentation informationnelle nouvelle à partir d'une représentation existante (exprimée notamment sous forme d'un vecteur dans un espace à N dimensions) par application d'une variabilité à chacune de ses composantes au moyen d'une distribution ajustable en fonction d'un paramètre dépendant de l'information produite.
2. Procédé selon la revendication 1 caractérisé en ce que la distribution utilisée est une distribution de Boltzmann.
3. Procédé selon la revendication 1 caractérisé en ce que le paramètre d'ajustement de la variabilité dépend de la distance séparant la représentation d'origine de celle obtenue après application de la fonction d'imagination.
4. Procédé selon les revendications précédentes caracterisé en ce que le paramètre d'ajustement est assimilable à une température.
5. Procédé selon les revendications précédentes appliqué notamment à la prise de décision, à l'optimisation d'algorithmes de jeux, à la reconnaissance d'image et/ou de sons.
6. Procédé selon les revendications précédentes mis en oeuvre pour la réalisation de modèles de l'imagination et de la prise de décision notamment sous forme de maquettes et/ou logiciels de simulation.
7. Procédé selon les revendications 1,2,3,4 caractérisé en ce que la fonction d'imagination est contrôlée à partir de l'évaluation du risque décisionnel.
8. Procédé selon la revendication 7 caractérisé en ce que le risque décisionnel est évalué à partir d'une estimation perceptuelle de l'évolution de l'environnement en réponse au comportement associé à la mise en oeuvre de la fonction d'imagination.
9. Procédé selon la revendication précédente caractérise en ce que l'évaluation du risque décisionnel est effectué à partir d'une ou plusieurs matrices d'associations et/ou de réseaux de neurones.
FR0003051A 2000-03-09 2000-03-09 Procede relatif a la mise en oeuvre d'une fonction d'imagination dans un systeme technique Expired - Fee Related FR2806186B1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
FR0003051A FR2806186B1 (fr) 2000-03-09 2000-03-09 Procede relatif a la mise en oeuvre d'une fonction d'imagination dans un systeme technique

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
FR0003051A FR2806186B1 (fr) 2000-03-09 2000-03-09 Procede relatif a la mise en oeuvre d'une fonction d'imagination dans un systeme technique

Publications (2)

Publication Number Publication Date
FR2806186A1 true FR2806186A1 (fr) 2001-09-14
FR2806186B1 FR2806186B1 (fr) 2003-08-01

Family

ID=8847923

Family Applications (1)

Application Number Title Priority Date Filing Date
FR0003051A Expired - Fee Related FR2806186B1 (fr) 2000-03-09 2000-03-09 Procede relatif a la mise en oeuvre d'une fonction d'imagination dans un systeme technique

Country Status (1)

Country Link
FR (1) FR2806186B1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1993024898A1 (fr) * 1992-06-04 1993-12-09 University College London Procede d'entrainement d'un reseau neuronal
US5909663A (en) * 1996-09-18 1999-06-01 Sony Corporation Speech decoding method and apparatus for selecting random noise codevectors as excitation signals for an unvoiced speech frame

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1993024898A1 (fr) * 1992-06-04 1993-12-09 University College London Procede d'entrainement d'un reseau neuronal
US5909663A (en) * 1996-09-18 1999-06-01 Sony Corporation Speech decoding method and apparatus for selecting random noise codevectors as excitation signals for an unvoiced speech frame

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HOLMSTROM L ET AL: "USING ADDITIVE NOISE IN BACK-PROPAGATION TRAINING", IEEE TRANSACTIONS ON NEURAL NETWORKS,US,IEEE INC, NEW YORK, vol. 3, no. 1, 1992, pages 24 - 38, XP000262184, ISSN: 1045-9227 *
KOISTINEN P ET AL: "KERNEL REGRESSION AND BACKPROPAGATION TRAINING WITH NOISE", PROCEEDINGS OF THE INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS,US,NEW YORK, IEEE, vol. -, 18 November 1991 (1991-11-18), pages 367 - 372, XP000325658, ISBN: 0-7803-0227-3 *

Also Published As

Publication number Publication date
FR2806186B1 (fr) 2003-08-01

Similar Documents

Publication Publication Date Title
Lazaridou et al. Emergence of linguistic communication from referential games with symbolic and pixel input
Sarvakar et al. Facial emotion recognition using convolutional neural networks
KR101803471B1 (ko) 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템 및 이를 이용한 영상 학습방법
KR102593438B1 (ko) 뉴럴 네트워크 학습 방법 및 디바이스
US20190156248A1 (en) Learning apparatus, learning method, and non-transitory computer readable storage medium
CN113795851A (zh) 具有针对使用对抗训练的表示学习的推理的大规模生成神经网络模型
CN114090780B (zh) 一种基于提示学习的快速图片分类方法
CN117079299B (zh) 数据处理方法、装置、电子设备及存储介质
Dadhich Practical Computer Vision: Extract Insightful Information from Images Using TensorFlow, Keras, and OpenCV
Dai et al. Logical vision: One-shot meta-interpretive learning from real images
KR20230048614A (ko) 도메인 불변 정규화를 사용한 이미지 분류를 위한 시스템, 방법 및 장치
Okawara et al. Action recognition from a single coded image
KR102236582B1 (ko) 영상 처리 장치 및 그 동작방법
Zainab et al. Deployment of deep learning models on resource-deficient devices for object detection
Chowdhury et al. A cascaded long short-term memory (LSTM) driven generic visual question answering (VQA)
KR102559590B1 (ko) 신경망의 불확실성에 기반한 지식 증강 방법 및 장치
KR20200052440A (ko) 전자 장치 및 전자 장치의 제어 방법
Keller et al. On the illumination influence for object learning on robot companions
US20210150274A1 (en) Object recognition from images using cad models as prior
FR2806186A1 (fr) Procede relatif a la mise en oeuvre d&#39;une fonction d&#39;imagination dans un systeme technique
Tao et al. Semi-supervised online learning for efficient classification of objects in 3d data streams
US20220004904A1 (en) Deepfake detection models utilizing subject-specific libraries
Jokela Person counter using real-time object detection and a small neural network
Berlier et al. Augmenting simulation data with sensor effects for improved domain transfer
ViswanathReddy et al. Facial emotions over static facial images using deep learning techniques with hysterical interpretation

Legal Events

Date Code Title Description
ST Notification of lapse