recherche:biblio:outilsia
Ceci est une ancienne révision du document !
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 |
recherche/biblio/outilsia.1509476448.txt.gz · Dernière modification : 2017/10/31 19:00 de tigli