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
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

Éditeur(s) : HAL CCSD
Résumé : Afin de prévoir l'évolution des phénomènes naturels, sans discontinuité, des milliers d'images satellites alimentent les stations météorologiques. Ce flot permanent d'informations nécessite rapidité et rigueur d'analyse. Il est donc indispensable de mettre en place des systèmes capables de travailler nuit et jour afin de dresser des bilans exploitables par les chercheurs. Nous proposons dans cet article une méthode, basée sur des techniques d'investigation en reconnaissance des formes, telles que la segmentation et la classification. Ces techniques seront utilisées pour localiser et discriminer les masses nuageuses issues d'images captées par le satellite géostationnaire GOES. Le traitement des formes nuageuses trouvées se fait en utilisant des opérations, telles que la morphologie mathématique afin d'extraire des caractéristiques discriminantes. Pour l'interprétation des caractéristiques obtenues et pour effectuer la classification des nuages, nous utilisons des systèmes de classeurs.
Journées d'Études et de Recherche des Antilles et de la Guyane
Pointe-à-Pitre, Guadeloupe

hal-00637787
https://hal.archives-ouvertes.fr/hal-00637787