Éditeur(s) : HAL CCSD
Résumé : J'étais à l'époque dans le laboratoire I3S de Sophia-Antipolis. Je suis dorénavant au laboratoire GRIMAAG en Guadeloupe.
We focused on the communication problem within multi-agents systems, inspirited by nature and more precisely by the ants that are a perfect example of living integrating learning (ontogenesis) to genetic inheritance (phylogenesis): the Baldwin Effect.
We worked with agents represented by classifiers systems using genetic algorithm. We introduced a new fixed knowledge based classifiers system, the simplified Pittsburgh classifier system, which we studied in a spontaneous coordination multi-agents problem. Then, we successfully allowed “homogeneous” agents to communicate their “knowledge” using distributed elitism.
Finally, “heterogeneous” agents efficiently exchanged information thanks to a minimal communication model we defined, bound to reality and extended.
Nous nous sommes intéressés à la problématique de la communication au sein des systèmes multi-agents en nous inspirant de la nature et plus particulièrement des fourmis qui sont un parfait exemple de l'intégration de l'apprentissage du vivant (ontogenèse) au capital génétique de celui-ci (phylogénie) : l'effet Baldwin.
Nous avons choisi de travailler avec des systèmes de classeurs à algorithme génétique pour représenter les agents. Nous avons introduit un nouveau type de système de classeurs à base de connaissance de taille fixe, les systèmes de classeurs de type Pittsburgh simplifié, dont nous avons étudié les propriétés dans un contexte multi-agents de coordination spontanée.
Nous avons ensuite proposé avec succès aux agents "homogènes" de communiquer pour échanger leur "connaissance" à l'aide de l'élitisme distribué.
Enfin, les agents "hétérogènes" ont échangé efficacement des informations grâce à un modèle minimal de communication que nous avons ancré dans la réalité puis étendu.
https://tel.archives-ouvertes.fr/tel-00192372

tel-00192372
https://tel.archives-ouvertes.fr/tel-00192372
https://tel.archives-ouvertes.fr/tel-00192372/document
https://tel.archives-ouvertes.fr/tel-00192372/file/These.pdf

Éditeur(s) : HAL CCSD Lavoisier
Résumé : National audience
Dans cette étude, nous présentons, une méthode permettant de découvrir, par le biais de variables agrégées et d’un algorithme génétique, des informations non connues a priori et utiles pour la prédiction de crues. Cette méthode se prête particulièrement bien aux données dans lesquelles des informations à propos d’un même élément sont dispersées à travers plusieurs lignes du jeu de données initial.
In this paper, we present an heuristic based approach for feature selection in the context of flood prediction. Features are complex variables that represent aggregate values. We apply a preprocessing method on data in order to elicit relevant information that could not be easily accessible initially because it is split through several lines of a dataset. A genetic algorithm is used in order to search for the features that may prove the best performances for flood prediction.
ISSN: 1633-1311

hal-01184510
https://hal.archives-ouvertes.fr/hal-01184510

Éditeur(s) : HAL CCSD
Résumé : Ce travail traite de " l'identification de plantes à partir d'images numériques, par champs de gradients ", provenant de capteurs de types variés. Nous avons choisi des méthodes de type global, afin de pré-segmenter efficacement l'image d'une plante. Parmi ces méthodes, celle du Mean Shift permet de s'acquitter des tâches de paramétrisation, mais présente l'inconvénient d'une forte complexité de calcul. Nous proposons deux méthodes pour résoudre ce problème : le Mean Shift avec changement d'échelle et le Mean Shift Markovien dont le but est de limiter le traitement systématique de tous les pixels par la partie Mean Shift. L'application de ces méthodes permet d'obtenir une partition de l'image dans laquelle on recherche les groupes de pixels, matérialisant les parties d'une plante focalisée par le photographe. Pour mettre en évidence ces zones, nous exploitons : la netteté des formes, la position et la densité spatiale des objets dans une image, afin de construire des masques qui représentent les parties d'une plante. À partir de ces masques, nous extrayons un ensemble de caractéristiques issu de la botanique descriptive, regroupé en trois catégories : la colorimétrie, la morphologie et le structurel. Nos choix méthodologiques sont expérimentés sur une base de données d'images, pour obtenir un ensemble de valeurs de caractéristiques appelées descripteurs. Ces descripteurs sont fournis à un système de classeurs basé sur des algorithmes génétiques, afin d'obtenir des règles désignant chaque type de plantes. L'objectif de ces règles est d'associer un score de ressemblance à chaque image de la base de données, en fonction de l'image soumise comme requête au système de reconnaissance.
Journées d'Études et de recherche des Antilles et de la Guyane
Pointe-à-Pitre, Guadeloupe

hal-00637788
https://hal.archives-ouvertes.fr/hal-00637788