JY Tigli Homepages

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
=== Liste d'outils d'Intelligence Artificielle selon des membres de l'AFIA ===

|||

^Quoi^Qui^Outils logiciels^Sur quoi^^ 
|Pbs sous contraintes – modélisation et résolution|Christophe LECOUTRE (Univ. d’Artois)|Les lgs sont souvent trop complexes pour les développeurs, sont seulement pour des experts.|Des pbs d’ordonnancement, d’optimisation, de planification d’ateliers |
| | |De modélisation = API sur Java : MCSP3| |
| | |De résolution API sur XML= XSP3, sert de format intermédiaire qui garde la structure du modèle MCSP3.  | Pas mis en œuvre dans l’industrie.|
| | |Intérêt : moins abstrait qu’un lg de modélisation.| |
| | |Autre intérêt : ça se compile : 1 modèle MCSP3 +1 fichier de data Jason + compil = 1 instance XCSP3)| |
|Web sémantique|Oliver Corby (INRIA  Sophia Antipolis)|Langages RDF et RDFS :|Réseau de connaissances décentralisées, mondialement partagée gouverné par le W3C. |
| | |VIRTUOSO utile surtout pour les grosses BD| |
| | |API JENA (Apache) pour manipuler les objets|Institutions comme l’INSEE, la BNF, les archives ouvertes, DBmedia issu de Wikipedia (ex. http://fr.dbpedia.org/page/Antibes), les musées etc. |
| | |JSON-LD nouvelle syntaxe| |
| | |Google va chercher sur le Web sémantique. |
| | |Langage SPARQL d’interrogation à base de requêtes façon SQL, pattern matching dans les graphes et expressions régulières| |
| | |Ex. http://data.insee.fr/sparql :| |
| | |SPARKLIS éditeur de requêtes (Loria)| |
|Ontologies|Sylvie Desprès (LIMICS, Univ. Paris 13)|Méthode de représentation : CALS, robuste|Spécification explicite formelle partagée, sert à expliciter les connaissances d’un domaine |
| | | |Méthode de construction : NEON, robuste| |
| | | |Outils de modélisation open source:|Ontologies existantes sur http://ontofox.hegroup.org/ |
| | | |YED|
| | | |Xmind|
| | | |CMapTools|
| | | |Outil de construction : Protégé 5 .1|
| | | |Outil d’édition : SNOOP 2.3|
| | | |Outil de validation : Oops|
| | | |Outil d’exploration : Outofox, Swoogle, Watson|
| | | |Outil de mise à dispo : BioPortal|
| | | |Outils de visualisation :|
| | | |GraphViz|
| | | |Webvowl  outil web, téléhargement de l’ontologie via son browser|
| | | |Outil de support : Mapping Master, plugin de Protégé|
|Programmation d’applications multi-agents|Olivier Boissier (Mines de Saint-Etienne)|REPAST (2000) langage procédure Java ou C++|Les agents autonomes, dans un organisation en environnement partagé, perçoivent et agissent. |
| | | |GAMA (2010) langage procédure Java|
| | | |JASON proche de la prg logique, interprété|Simulation sociale ex. évacuation de bâtiments, bataille Game of Thrones |
| | | |SARL/JANUS|
| | | |JACOMO|Solution des meilleurs positionnements de pilones électriques ou de capteurs pour des économies d’énergie |
| | | |BRAHMS|
| | | |Etc.…85 outils recensés en 2017|Intégration d’applications pour coopérer |
| | | |Difficiles à débugger|
|Machine learning|Gaël Varoquaux (INRIA Saclay)|Langage R historique|Apprentissage statistique, dosage de la complexité des modèles, minimisation des erreurs, régularité, compromis des variances |
| | | |Hadoop sur du Java|
| | | |Spark BD distribuée pour gros volume, interprété|
| | | |Librairies C++ :|
| | | |Shogun|
| | | |Libsvm|
| | | |Liblinear|
| | | |Libgbm de Microsoft|
| | | |XGBoost|
| | | |Outils Python qui domine le machine learning, demandent bcp de puissance de calcul:|
| | | |Pydata|
| | | |Numpy|
| | | |Pandas|
| | | |Dask (en cours de création)|Les + grosses sociétés se font la course.|
| | | |Tensorflow de Google|
| | | |Pytorch de Facebbok|
|Traitement automatique des langues|Thierry Hamon ( Univ. Paris 13)|Heideltime|Analyse de données textuelles en lg naturel|
| | | |Genia tagger|
| | | |Term suite règles d’extraction|
| | | |Yatea|
| | | |Gate|
| | | |UIMA|
| | | |NLTK|
| | | |Babelnet réseau sémantique multilingue|
| | | |Synapse|
| | | |Synomia|
| | | |Syllabs|
| | | |Proxem|
|Problème SAT|Laurent Simon (LABRI, univ. Bordeaux)|Temps de résolution exponentiel.|Logique propositionnelle sur problème difficile ‘on essaie plutôt qu’on réfléchit’. NP=P||
| | | |Exploration de toutes les solutions avec les valeurs des variables pour que la clause soit vraie = arbre des possibles le plus malin possible.|
| | | |BMC outil de pré processing SAT, utilisé chez IBM et INTEL|
| | |Plein de solveurs, il existe une compétition annuelle de solveurs. Ex . Sudoku diabolique résolu en 0,11 seconde.|Appliqué à d’actuels problèmes industriels comme planification, crypto, vérification hardware, biologie|