Thèse d’Ikram CHRAIBI KAADOUD

Thèse soutenue le 2 mars 2018.

Apprentissage de séquences et extraction de règles de réseaux récurrents : application au traçage de schémas techniques.

Directeur  de thèse: Frédéric Alexandre,
Co-directeur Nicolas Rougier de l’IMN, équipe “Mnemosyne”

Résumé

Les connaissances implicites d’individu s’acquièrent selon deux moyens. Le premier consiste en la répétition de séquences, ce qui permet à l’individu d’extraire implicitement des régularités. Le second moyen est une migration de connaissances explicites en connaissances implicites dut au développement d’une expertise. Il s’agit dans les deux cas d’apprentissage implicite. Dans nos travaux, nous avons souhaité nous pencher sur les séquences de composants électriques et notamment la problématique d’extraction des règles implicites dans ces séquences, aspect important de l’extraction de l’expertise métier à partir des schémas techniques. Nous nous plaçons dans le domaine connexionniste, et nous avons en particulier considéré des modèles neuronaux capables de traiter des séquences. Nous avons implémenté deux réseaux de neurones récurrents : le modèle de Elman, le Simple Recurrent Network, et un modèle doté d’unités LSTM (Long Short Term Memory). Nous avons évalué ces deux modèles sur différentes grammaires artificielles (grammaire de Reber et ses variations) au niveau de l’apprentissage, de leurs capacités de généralisation de celui-ci et leur gestion de dépendances séquentielles. Finalement, nous avons aussi montré qu’il était possible d’extraire les règles encodées (issues des séquences) dans le réseau récurrent doté de LSTM, sous la forme d’automate. Le domaine électrique est particulièrement pertinent pour cette problématique car il est plus contraint (combinatoire plus réduite) que la planification de tâches dans des cas plus généraux comme la navigation par exemple, qui pourrait constituer une perspective de ce travail.

Publication

Implicit knowledge extraction and structuration from electrical diagrams
Ikram Chraibi Kaadoud, Nicolas P. Rougier, Frédéric Alexandre / Mnemosyne – Mnemonic Synergy. LaBRI – Laboratoire Bordelais de Recherche en Informatique, Inria Bordeaux – Institut des Maladies Neurodégénératives [Bordeaux] 2017, Advances in Artificial Intelligence: From Theory to Practice, 235-241|Springer Link

Jury