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 PDFInfo
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex 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)
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.
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)
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 |
-
2000
- 2000-03-09 FR FR0003051A patent/FR2806186B1/fr not_active Expired - Fee Related
Patent Citations (2)
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)
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'une fonction d'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 |