Differences

This shows you the differences between two versions of the page.

--- reflexion-adaptation [2025/03/11 17:51]
47.128.19.106 old revision restored (2025/02/23 17:27)
+++ reflexion-adaptation [2025/04/03 06:50] (current)
47.128.42.80 old revision restored (2025/02/23 18:47)
@@ Line 31: / Line 31: @@
 ===== Système d'apprentissage et de prédiction =====
-L'agent cognitif, représentant un objet de la couche Matèriel, charge
+L'agent cognitif, représentant un objet de la couche matèriel, charge
 la couche SMA Réactif d'un certain nombre d'agents par capteur
 et actionneur de l'objet.
 Dans le modèle proposé par [Mazac et al., 2015], les agents chargés
-dans la couche SMA Réactif se divisent en deux rôles principaux:
+dans la couche SMA Réactif se divisent en deux rôles principaux :
- - Les agents "producteurs" qui, comme leurs noms l'indique, produisent des évènements. Ils se divisent en deux sous-rôles:
+ - Les agents "producteurs" qui, comme leurs noms l'indique, produisent des évènements. Ils se divisent en deux sous-rôles :
   - Les agents "découper" qui découpent les données brutes en des évènements identifiables.
   - Les agents "associer" qui associent des évènements qui paraissent et liés, et créé des évènements associés.
@@ Line 44: / Line 44: @@
 Les relations entre ces deux types d'agents sont décrits dans le diagramme Agent-Groupe-Rôle
-ci-dessous:
+ci-dessous :
 {{wiki:hemis_organistation.png}}
-A partir de ces agents et de leurs intéractions, le système sera capable
-d'isoler des évènements récurrents. Les agents "découper" récupérant les
-variations des états des actionneurs et capteurs à partir des données
-brutes fournies, ensuite les agents "similarité" vont évaluer la
-similarité entre plusieurs variations récurrentes et créer des évènements
-correspond.
-{{wiki:hemis_exp.png}}
-Ces évènements fournis par les agents "similarité" sont ensuite récupéré
-en partie par les agents "associer" qui vont créer des motifs d'évènements
-récurrents qui semble lié entrer eux. Ces motifs seront alors traités
-par les agents "similarité" pour valider leur viabilité.
-{{wiki:hemis_interaction.png}}
-Ainsi des motifs d'évènements sont appris par le système et celui-ci
-est capable de prédire un évènement en fonction d'un autre le précédant.
 ====== Avatar Software Platform ======
 ===== Aperçu Global =====
-L'un des objectifs de ce projet est d'adapter le modèle d'apprentissage
-et de prédiction du système HEMIS à l'architecture des avatars proposé
-par [Mrissa et al., 2015].
 {{wiki:avatar_architecture.png}}
-Un avatar est une représentation logiciel d'un objet connecté. C'est
-cet avatar qui gère la connection aux autres avatars et les services
-proposés à l'utilisateur.
-L'architecture d'un avatar est divisé en divers modules:
- - Application: Gère l'interface coté client.
- - Services: Gère la liste de services couramment proposés à l'utilisateur.
- - Communication: Gère les protocoles de communications de l'objet.
- - Interopérabilité: Gère les outils nécessaires à l'utilisation de l'objet.
- - Collaboration: Gère les échanges avec les autres avatars.
- - Core: Module central de l'avatar, il est lui-même divisé en divers composant.
-  - Context Manager: Gère le stockage des données récoltés de l'environnement courant.
-  - Reasoner: Gère la base de connaissances/règles de l'avatar.
-  - Functionality Manager: Gère, en fonction du context et du reasoner, les fonctionnalités proposables par l'avatar.
-  - Deployment Manager: Gère les déploiement des services proposés par l'avatar (décidés par le Functionality Manager).
 ===== Adaptation possible du système d'apprentissage =====
-Une similarité peut déjà être faite entre la couche SMA Cognitif et l'idée même d'avatar.
-En effet les deux sont des représentations logiciels d'un objet connecté dans un système d'objets.
-Cependant, là où pour HEMIS le système est clairement implémenté, pour le WoT nous souhaitons
-que le système soit auto-généré, auto-organisé, émergent des intéractions entre les avatars.
-C'est la couche SMA Réactif qui doit être adapté à l'architecture de l'avatar. Celle-ci
-pourrait être implémenté par le composant Reasoner du Core module, ou bien dans un
-nouveau composant Learning Manager qui mettra à jour le composant Reasoner avec de
-nouveau motifs appris par le système, le Reasonner pouvant ainsi implémenter le système
-de prédiction.
-Cependant, si dans le système HEMIS la couche SMA Réactif est commune à tous les objets
-du système et donc c'est le système entier qui apprend, dans le contexte du Web des Objets
-l'avatar n'a accés qu'a ses capteurs et actionneurs pour déterminer des variations dans
-l'environnement et des relations entre ces évènements.
-Il faut donc prendre en compte la communication des avatars, ou plutôt leur collaboration,
-dans l'apprentissage de motifs récurrents. Une possibilité serait de permettre au Learning
-Manager d'utiliser le Collaboration Module afin de récupérer des motifs, des //memes//, des
-autres avatars du système, et leur communiquer les motifs récurrents découverts.
-Pour gérer le partage de connaissances, il serait possible soit que se soit les agents
-"similarité" qui se charge d'envoyer ou non les motifs via le Collaboration module (mais
-cela surchargerait les agents "similarité" de fonctions), soit d'implémenter un nouveau
-type d'agents "distributeur" qui s'occuperont de faire le lien entre les agents "similarité"
-et le Collaboration Module.
 ====== Références ======
@@ Line 135: / Line 63: @@
 Journées  Francophones sur   les   Systèmes   Multi-Agents   (JFSMA),
 Rennes,   France.
-[Mrissa et al., 2015]  Mrissa, M., Medini, L., Jamont, J.-P., Le Sommer, N., and
-Laplace,  J.  (2015).   //An  avatar  architecture  for  the  web  of  things.//
-Internet Computing, IEEE, 19(2):30-38.

DokuWiki

Site Tools

Differences

Page Tools