Differences

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

--- scenario-lum [2025/06/08 04:51]
20.171.207.76 old revision restored (2025/05/07 10:38)
+++ scenario-lum [2025/08/11 06:15] (current)
220.235.149.119 old revision restored (2025/07/01 00:49)
@@ Line 67: / Line 67: @@
-==== Point de vue du système d'éclairage (Orienté description du modèle) ====
+==== Point de vue du système d'éclairage ====
 Si nous prenons le point de vue du système d'éclairage,
@@ Line 80: / Line 80: @@
 du système d'apprentissage de l'avatar du système d'éclairage.
-=== Découverte d'évènements ===
+=== Découverte de motifs "personnels" ===
-La découverte de motifs récurrents à partir des entrées continues
+=== Création de Flux et Associations ===
-que sont V<sub>1:1</sub> et V<sub>1:2</sub> est fait les couples
-formés par des agents Découper et des agents Similarité paramétrés
-de diverses manières.
-== Découpe ==
-Comme dit précédemment, le système d'apprentissage doit commencer
-par essayer d'extraire des informations liés à ses variables d'entrées
-avant d'essayer de les relier à un quelconque évènement "extérieur"
-(de plus, à cette étape du scénario aucun flux n'est disponible pour
-l'autre objet).
-Ce travail de découpe est effectué par les agents Découper du système
-d'apprentissage. Ceux-ci, suivant divers paramètres, vont "déplacer"
-une fenêtre de découpe le long de la variable. Ces fragments de
-variables sont décrit à l'aide d'histogrammes par les agents Découper.
-{{wiki:decoupe.png}}
-Ces fragments de variables sont évaluer via un feedback //d'intérêt//,
-aidant ainsi à la sélection des paramètres de découpe par l'agent Découper.
-== Création de Flux ==
-La découverte d'évènements récurrents se fait à l'aide d'un couple
-d'agent Découper et Similarité. L'agent Découper faisant varier
-ses paramètres de découpe et l'agent Similarité faisant varier
-ses paramètres de différenciation, les deux en fonction de la
-variable d'entrée à laquelle ils sont associés.
-La qualité des paramètres, évaluée à partir d'un feedback //d'intérêt//,
-est sauvegardé dans un **espace de marquage** à trois dimensions
-(la variable sélectionné, les paramètres de l'agent Découper et
-les paramètres de l'agent Similarité).
-Cet espace de marque sert à garder, dans un espace commun de recherche
-de paramètres à tous les couples d'agents, la trace de l'utilisation de
-certains paramètres et leurs qualités.
-{{wiki:hemis_marquage.png}}
-Une fois qu'un couple, ou plutôt l'agent Similarité d'un couple d'agent,
-aura déterminé qu'un //concept d'évènement// est assez récurrent il créera
-un //flux d'instances d'évènements// dans lequel il fera passer les //instances//
-correspondants au //concept d'évènement// du flux, et auxquels pourra se connecter
-les agents Association du système d'apprentissage, mais aussi les agents
-Association des autres systèmes d'apprentissage.
 {{wiki:flux_creation.png}}
-Pour connaitre la similarité, ou plutôt le pourcentage de similarité, entre deux
-instances d'évènement, l'agent Similarité utilise une fonction d'intersection des
-histogrammes représentants les instances.
-{{wiki:similarite.png}}
-=== Partage d'évènements ===
-A peu près même moment que le système d'apprentissage de l'éclairage
-créé ses //flux d'instances//, des //flux d'instances externes// font
-leur apparitions.
-Une notation possible est présentée ci-dessous. Noté **F**, un flux est
-identifié par l'ip de l'objet fournissant le flux et l'id de ce flux.
-De la même manière sont notés **e** les //concepts d'évènements// associés
-à un flux, il sont donc identifiés de la même manière que les flux, avec
-id et ip.
-{{wiki:flux_notation.png}}
-Pour simplifier la notation pour le scénario, l'ip du système d'éclairage
-sera 1 et l'ip du store électrique sera 2. L'ip 0 est considéré comme un
-"localhost", se sont les flux identifiés comme personnels par l'objet,
-le fait de donner un ip 0 pour identifié le "moi" est totalement
-arbitraire, un flux pourrait garder l'ip de l'objet apprenant, cependant
-les agents du système d'apprentissage, en particulier les agents Découper,
-devraient être capables de différencier les flux personnels et les flux
-extérieurs.
-Ainsi le système d'apprentissage voit apparaître, à peu près au même moment,
-des flux d'instances //interne// (avec un ip 0) et des flux d'instances
-//externes// (avec un ip différent de 0).
-Les couples d'agents formés par des agents Association et Similarité vont
-alors rechercher différentes Association de concepts d'évènements possibles
-et pertinents.
-{{wiki:flux_association.png}}
-Les Associations vont être faites en prenant prioritairement en références
-les flux internes du système d'apprentissage. Cet aspect "égoïste" de
-l'apprentissage est nécessaire pour éviter une redondance de l'apprentissage
-dans tous les avatars de la société, et permet aussi une spécialisation
-de ces mêmes avatars. En effet, les avatars d'objets possédant peu de
-capteurs et d'actionneurs seront plus enclin a tenter d'associer des évènements
-provenant de flux externes; à l'inverse des avatars d'objets possédant beaucoup
-de capteurs et d'actionneurs seront plus enclin à se concentrer uniquement sur
-le découpage de leur variables d'entrées et sur la découverte de concepts d'évènements
-"intéressants".
-==== Point de vue du store électrique (Orienté Scénario) ====
-Dans le point de vue précédent, l'accent a été mis sur le fonctionnement
-globale du modèle. De ce point de vue, au contraire, nous allons nous
-concentré, pas à pas, sur les suites logiques d'évènements pouvant arriver
-à un système d'apprentissage.
-=== Variables d'entrées et Découpe ===
-Reprennons à partir de la découpe d'une variable d'entrée,
-par exemple V<sub>2:2</sub>.
-{{wiki:V2_2.png}}
-== Couple Découper - Similarité (D-S) ==
-L'apprentissage de la découpe d'une variable
-d'entrée est implémenté par un couple D-S. Leurs
-intéractions, dont nous allons voir le fonctionnement,
-permet de connaître la "pertinence" du découpage
-d'une variable en particulier. Ils font varier leurs
-paramètres en explorant l'espace de marquage vu précédemment.
-== Découpe ==
-L'agent Découper d'un couple D-S associé à la variable V<sub>2:2</sub>
-a pour paramètre un Δt qui est la taille de la fenêtre de découpe.
-{{wiki:decoupe.png}}
-L'agent Découper va alors parcourir la variable d'entrée en faisant
-"glisser" sa fenêtre de découpe le long des variations. La fenètre
-peut être simplement glissante, ou bien glissante et suivant les
-variations de la variable d'entrée, comme sur l'image ci-dessus.
-La portion découpée par l'agent Découper est alors représenté sous
-la forme d'un histogramme.
-== Similarité et Différenciation ==
-Les histogrammes produit par l'agent Découper sont alors récupéré
-par l'agent Similarité qui lui associé.
-Celui ci compare les nouvelles instances d'évènement avec ceux qu'il
-a stocké précédemment, ou plutôt avec l'histogramme représentant la moyenne
-de chaque groupe d'instances similaires. Cette "moyenne" peut être considéré
-comme un pré-concept d'évènement.
-La fonction de comparaison utilisée pour différencier les instances découpées
-en une fonction d'intersection entre les deux histogrammes représentant les
-instances.
-{{wiki:similarite.png}}
-Ainsi l'agent Similarité du couple D-S "rangera" les nouvelles instances
-d'évènements avec celles qui lui sont le plus similaire, modifiant par la
-même la moyenne de ce groupe d'instance. Si aucun groupe n'est trouvé pour
-une instance, alors un nouveau lui correspondant sera créé.
-n.b: le paramètre de l'agent Similarité serait sont seuil d'acceptation
-de similarité, mais cela reste à confirmer.
-== Feedback et sélection de concept ==
-Avant que la moyenne d'un groupe d'instance soit considérée comme un réel
-concept d'évènement, l'agent Similarité d'un couple D-S va calculer l'intérêt
-de chaque pré-concept, et marquer le maximum de ces intérêts dans l'espace de
-marquage des couple D-S.
-Le feedback d'intérêt d'un pré-concept d'évènement est calculé à partir de la
-spécificité de cet évènement, c'est à dire si l'évènement "sort du lot", et
-de la récurence de cet évènement. Pour faire simple, parmis tous les évènements
-"rare", celui qui aura le plus fort intérêt sera celui qui arrive le plus souvent,
-donc potentiellement le moins dû au hasard.
-<code>
-    TODO: equation with MathJax
-</code>
-C'est lorsqu'un couple D-S de type //Exploiteur// se positionnera, dans l'espace
-de marquage, sur les paramètres de découpe de V<sub>2:2</sub> que la création de
-Flux d'instance se fera pour les concept ayant la plus haute spécificité.
-== Conception de flux d'instances ==
-Comme dit précédemment, les couples D-S vont extraire
-des //concepts d'évènements// et créer des //flux d'instances d'évènements//.
-Ces flux pourraient correspondre à des flux RSS (ou tout autre outils permettant
-le partage d'un "fil d'évènements"), ils seront ainsi mis à jour part l'agent
-Similarité du couple associé, à chaque fois que l'agent Découper extrait une
-nouvelle //instance d'évènement// correspondant au //concept d'évènement//
-du flux.
-Supposons qu'à partir de V<sub>2:2</sub> deux concepts d'évènements soient
-créés.
-{{wiki:conceptualisation_nntp.png}}
-Il y aura donc deux flux de créé par le couple D-S affecté à cette variable
-d'entrée. Ces flux étant internes du point de vue du store et externe
-du point de vue du système d'éclairage.
-<code>
-Exemple de description d'un flux en JSON-LD :
-{
-  "@context": "http://www.w3.org/ns/activitystreams",
-  "@type": "Activity",
-  "published": "2016-01-25T12:34:56Z"
-  "author": {
-    "@type": "Object",
-    "@id": "URI de l'objet / URI du flux"
-  }
-  "orderedItems": [
-    {
-      "@type": "Event"
-        ...
-    },
-    {
-      "@type": "Event"
-       ...
-    }
-  ]
-}
-</code>
-n.b: Le fonctionnement de l'API de notification et de partage de flux n'est pour
-l'instant pas clairement définie.
-=== Flux d'instances et Association ===
-Reprennons à partir du moment où tous les flux (internes et externes)
-de tous les objets de la société soient créés et accessibles par le store.
-C'est à dire :
-  * 4 flux internes correspondant à :
-    * V2:1 à 1 pendant un certain temps.
-    * V2:1 à -1 pendant un certain temps.
-    * V2:2 augmentant progressivement de 0 à 1.
-    * V2:2 diminuant progressivement de 1 à 0.
-  * 6 flux externes correspondant à :
-    * V1:1 passant de 0 à 1 instantanément.
-===== Problèmes =====
-  * Supposons que dans cette pièce nous rajoutons un chauffage électrique connecté, comment faire en sorte que les échanges entre les objets se "spécialisent" ?
-Les évènements proposé par les flux d'instances du chauffage sont en effet peu utile pour le
-système d'éclairage (peut être un peu moins pour le store),
-le but ici serait qu'au flux externes d'un système, voir à tout l'objet proposant ces flux,
-soit associé un feedback "d'utilité". Puisque les systèmes
-d'apprentissage cherche prioritairement des associations avec pour référence leurs
-flux d'instances internes, nous pouvons facilement l'imaginer évaluer l'utilité
-d'un flux d'instances externes lui ayant permis ou non de trouver des motifs
-avec pour références ses concepts personnels.
-  * Supposons maintenant que dans une autre pièce un système d'éclairage identique au notre soit installé, comment permettre que ce nouveau système d'éclairage apprenne plus vite avec l'aide de notre système d'éclairage ?
-  * En plus du feedback d'intérêt, il est censé il y avoir un feedback prédictif, comment un motif pourrait passer un "mode prédictif" s'il prend en compte des flux externes ?
-  * Comment les avatars pourrait arriver, de manière émergente, à un consensus concernant un motif, pour que celui soit "commun" à la société ou à un groupe ?

DokuWiki

Site Tools

Differences

Page Tools