Differences

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

--- reflexion-adaptation [2025/09/14 20:40]
66.249.76.166 old revision restored (2025/08/27 12:01)
+++ reflexion-adaptation [2025/09/23 23:52] (current)
216.73.216.184 old revision restored (2025/09/14 08:54)
@@ 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
+d'isoler des évènements récurents. 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
@@ Line 57: / Line 57: @@
 {{wiki:hemis_exp.png}}
-Ces évènements fournis par les agents "similarité" sont ensuite récupéré
+Ces évènements fournit 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
+récurrents qui semble lié entrer eux. C'est motifs seront alors traité
 par les agents "similarité" pour valider leur viabilité.
@@ Line 65: / Line 65: @@
 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.
+est capable de prédire un évènement en fonction d'un autre le précédent.
 ====== Avatar Software Platform ======
@@ Line 77: / Line 77: @@
 {{wiki:avatar_architecture.png}}
-Un avatar est une représentation logiciel d'un objet connecté. C'est
+Un avatar est une représentation logiciel d'un
-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 "diffusion" qui s'occuperont de faire le lien entre les agents "similarité"
-et le Collaboration Module.
-====== Scénario : Régulation de la température d'une pièce ======
-Supposons que le radiateur avec capteurs et le climatiseur sans capteurs sont
-synchronisé et sont capables de réguler la température de la pièce.
-Du point de vue macroscopique, la société, le réseau d'objets connectés dont
-ils font partie, fonctionne, se synchronise et apprend les habitudes de l'utilisateur
-afin de lui proposer de nouveaux services. (La totalité des services proposés
-par la totalité de la société d'objets peut être comparé à la couche API du
-système HEMIS).
-Si l'ont se concentre sur le fonctionnement d'un objet, ou plutôt de son avatar,
-c'est à dire si l'on prend un point de vue mesoscopique, nous rendons compte que
-celui échange continuellement des informations aux autres avatars du système et
-modifie les services proposés en fonction. Les modules de l'avatar se mettant à jour
-mutuellement.
-Si maintenant nous regardons le fonctionnement de son système d'apprentissage
-(point de vue microscopique sur le Learning Module) nous pouvons observer
-le système multi-agent d'apprentissage, identique à celui de HEMIS auquel
-s'est ajouté un nouveau type d'agent: l'agent "diffusion", celui-ci
-s'occupe de récupérer certains motifs générés par les agents "similarité"
-et de les diffuser en les "éjectant" du système (soit vers Reasoner, soit
-vers Collaboration Module).
-Remarque: nous pourrions avoir un point de vue supplémentaire se concentrant sur
-un seul agent du système SMA d'apprentissage.
-===== Schéma récapitulatif =====
-{{wiki:schema_recap.png}}
 ====== Références ======

DokuWiki

Site Tools

Differences

Page Tools