• Aucun résultat trouvé

Apprentissage artificiel Apprentissage artificiel de comportements de comportements

N/A
N/A
Protected

Academic year: 2022

Partager "Apprentissage artificiel Apprentissage artificiel de comportements de comportements"

Copied!
16
0
0

Texte intégral

(1)

Apprentissage artificiel Apprentissage artificiel

de comportements de comportements

Master Recherche en Informatique Master Recherche en Informatique U.E : Modèles et apprentissage des comportements U.E : Modèles et apprentissage des comportements III. Approche Dynamique de la cognition artificielle III. Approche Dynamique de la cognition artificielle

P. De Loor

P. De Loor -- ENIB ENIB -- deloor@enib.frdeloor@enib.fr -- 20062006

www.enib.fr/~deloor www.enib.fr/~deloor

Plan du cours Plan du cours

PositionnementPositionnement

Généralités sur l’apprentissage artificielGénéralités sur l’apprentissage artificiel

Articulation par rapport à l’apprentissage de comportementArticulation par rapport à l’apprentissage de comportement

Apprentissage par renforcementApprentissage par renforcement

PrincipesPrincipes

Exploration/exploitations ?Exploration/exploitations ?

Apprentissage latentApprentissage latent

Problèmes non MarkoviensProblèmes non Markoviens

Perception activePerception active

GénéralisationGénéralisation

Approche dynamique de la cognition artificielleApproche dynamique de la cognition artificielle

Fondements, Principes et exemplesFondements, Principes et exemples

Réseaux dynamiquesRéseaux dynamiques

Architecture à systèmes de valeurArchitecture à systèmes de valeur

Autopoièse et cognition artificielleAutopoièse et cognition artificielle

Questions sur les représentations Questions sur les représentations

en psychologie en psychologie

Les représentations sont Les représentations sont--elles modales ou elles modales ou amodales

amodales

– Certaines expériences montrent qu’il existe des Certaines expériences montrent qu’il existe des représentations modales analogiques (rotation représentations modales analogiques (rotation mentale, repère topologique)

mentale, repère topologique) –

– Certains chercheurs en sciences cognitives pensent Certains chercheurs en sciences cognitives pensent qu’elles ne sont pas fondamentales contrairement aux qu’elles ne sont pas fondamentales contrairement aux représentations amodales (Pylyshyn)

représentations amodales (Pylyshyn) –

– Les neurosciences montreraient que certaines zones Les neurosciences montreraient que certaines zones du cerveau servent à la fois pour la perception du cerveau servent à la fois pour la perception visuelle et pour l’imagination (représentation mentale) visuelle et pour l’imagination (représentation mentale)

L’intentionnalité … comment ça marche ? L’intentionnalité … comment ça marche ?

(2)

Rappel Rappel

Modèle de l’environnement Construction d’une extériorité (pas de modèle de l’environnement) Autonomie

Cognitivisme Cognitivisme

Métaphore : Ordinateur Métaphore : Ordinateur

– Représentations, symboles, calculReprésentations, symboles, calcul

Écueil technique : formalisation, exhaustivité, Écueil technique : formalisation, exhaustivité,

«

« frame problem frame problem », dynamicité », dynamicité

Écueil conceptuel : absence de sens, chambre Écueil conceptuel : absence de sens, chambre chinoise, séparation conscience/intentionnalité, chinoise, séparation conscience/intentionnalité, rôle des interactions sensori

rôle des interactions sensori--motrices, aspects motrices, aspects parallèles et adaptatifs du cerveau…

parallèles et adaptatifs du cerveau…

Connexionnisme Connexionnisme

Métaphore : cerveau Métaphore : cerveau

– Représentations émergentesReprésentations émergentes

Écueil technique : recherche de la configuration Écueil technique : recherche de la configuration du réseau, aspects dynamiques

du réseau, aspects dynamiques

Écueil conceptuel : entrées/sorties pré Écueil conceptuel : entrées/sorties pré--données, données, absence de sens, absence de l’histoire et de absence de sens, absence de l’histoire et de l’évolution du système

l’évolution du système

(3)

Enactionnisme (approche Enactionnisme (approche

dynamique) dynamique)

Métaphore : VivantMétaphore : Vivant

– Approche dynamique de la constitution des connaissancesApproche dynamique de la constitution des connaissances

– «« la cognition est l’histoire du couplage structurel entre un la cognition est l’histoire du couplage structurel entre un système autopoiétique et son environnement

système autopoiétique et son environnement »»

– Inscription corporelle de la connaissance par le biais de l’histoire Inscription corporelle de la connaissance par le biais de l’histoire du couplage entre l’organisme et son environnement du couplage entre l’organisme et son environnement

– Absence de représentation Absence de représentation

– AutopoièseAutopoièse

– Couplage structurelCouplage structurel

– Clôture opérationnelleClôture opérationnelle

Recherche de modèles et d’exemples en court…Recherche de modèles et d’exemples en court…

Semble difficile, défis techniques et conceptuelsSemble difficile, défis techniques et conceptuels

La construction d’un «

La construction d’un « monde monde propre

propre » »

L’Umwelt de von [Uexküll 1909] (éthologiste)L’Umwelt de von [Uexküll 1909] (éthologiste)

– Chaque organisme se construit des significations à partir de ses Chaque organisme se construit des significations à partir de ses interactions avec l’environnement. Son monde interne traduit ses interactions avec l’environnement. Son monde interne traduit ses impressions sensorielles en effets

impressions sensorielles en effets

Qu’est ce que cela fait d’être une chauveQu’est ce que cela fait d’être une chauve--souris [Nagel souris [Nagel 1974]

1974]

– Ce n’est pas parce que l’on aura découpé, analysé le cerveau Ce n’est pas parce que l’on aura découpé, analysé le cerveau d’une chauve souris que l’on saura ce que cela fait d’être une d’une chauve souris que l’on saura ce que cela fait d’être une chauve

chauve--sourissouris

De la vie à la cognition [Varela 1993]De la vie à la cognition [Varela 1993]

– Par sa constitution, la cellule se déplace vers les glucides : début Par sa constitution, la cellule se déplace vers les glucides : début de la cognition

de la cognition

Exemples Exemples

« « Passive walking Passive walking » : » :

l’inscription corporelle

l’inscription corporelle

(4)

Systèmes autopoiétiques Systèmes autopoiétiques

Un système autopoiétique se produit «Un système autopoiétique se produit « luilui--mêmemême »»

Il n’est pas l’ensemble de ses éléments (qui Il n’est pas l’ensemble de ses éléments (qui

disparaissent sans cesse), mais une organisation viable disparaissent sans cesse), mais une organisation viable

Pour lui, l’environnement n’est pas une entrée mais une Pour lui, l’environnement n’est pas une entrée mais une perturbation de l’organisation

perturbation de l’organisation

A l’interieur de l’organisme, il n’est pas possible de A l’interieur de l’organisme, il n’est pas possible de

«

« savoirsavoir » si une perturbation vient de l’environnement » si une perturbation vient de l’environnement ou de la structure de l’organisme elle

ou de la structure de l’organisme elle--même.même.

Couplage structurel Couplage structurel

L’environnement et l’organisme sont co L’environnement et l’organisme sont co-- dépendant (la fleur et l’abeille)

dépendant (la fleur et l’abeille)

La pression de l’environnement provoque La pression de l’environnement provoque des changements de l’organisation de des changements de l’organisation de l’organisme et donc de l’environnement l’organisme et donc de l’environnement

Si ce couplage permet de préserver Si ce couplage permet de préserver l’autopoièse de l’organisme, il est viable l’autopoièse de l’organisme, il est viable

Clôture opérationnelle Clôture opérationnelle

Généralisation de l’autopoièse à d’autres domaines que Généralisation de l’autopoièse à d’autres domaines que la biologie

la biologie

Un système est opérationnellement clos s’il forme une Un système est opérationnellement clos s’il forme une organisation de processus dépendant récursivement les organisation de processus dépendant récursivement les uns des autres pour se régénérer et s’il peut être uns des autres pour se régénérer et s’il peut être identifié comme une unité reconnaissable identifié comme une unité reconnaissable

Thèse de la clôture : tout système autonome est Thèse de la clôture : tout système autonome est opérationnellement clos

opérationnellement clos

Exploitation pour l’autonomisation des modèles ?Exploitation pour l’autonomisation des modèles ?

(5)

Domaines Domaines

Domaine cognitif : Domaine cognitif :

– Ensemble des perturbations que peut subir Ensemble des perturbations que peut subir l’organisme sans perdre son autopoièse l’organisme sans perdre son autopoièse

Domaine phénoménal : Domaine phénoménal :

– Domaine où peut exister une transformationDomaine où peut exister une transformation –

– Domaine physicoDomaine physico--chimiquechimique –

– L’autopoièse engendre un domaine phénoménale L’autopoièse engendre un domaine phénoménale différent de celui

différent de celui--ci au sein duquel elle opère. ci au sein duquel elle opère.

(physico

(physico--chimique vers vie)chimique vers vie)

L’automate de Tesselation [Stewart L’automate de Tesselation [Stewart

& Bourgine 2002]

& Bourgine 2002]

Un système autopoiétique minimal Un système autopoiétique minimal

– La membrane est constituée d’éléments C qui se La membrane est constituée d’éléments C qui se désagrègent en D

désagrègent en D –

– Un élément B en contact avec un élément C peut s’y Un élément B en contact avec un élément C peut s’y attacher s’il a la place et se transformer en C (bouche attacher s’il a la place et se transformer en C (bouche les trous)

les trous) –

– Un élément B est créé à partir de deux éléments A à Un élément B est créé à partir de deux éléments A à proximité d’un C (catalyseur)

proximité d’un C (catalyseur) –

– La membrane est perméable aux A pas aux BLa membrane est perméable aux A pas aux B –

– L’environnement est composé de A en libre circulation L’environnement est composé de A en libre circulation

L’automate de Tesselation L’automate de Tesselation

C C CC C C

C CC

CC C C C

CC C CC A

A A

A A

A A

A

A A+A->B

A B B

CC C C CC C

CCC C

CC CC BC

C B

D

(6)

Jeu de la vie et autopoièse Jeu de la vie et autopoièse

[Randall D. Beer]

[Randall D. Beer]

Une case ‘morte’ avec exactement trois Une case ‘morte’ avec exactement trois voisins ‘vivants’ devient vivante

voisins ‘vivants’ devient vivante

Elle reste vivante tant qu’elle possède 2 ou Elle reste vivante tant qu’elle possède 2 ou 3 voisins

3 voisins

Sinon elle meurt Sinon elle meurt

Le cas du « Le cas du « glisseur» glisseur»

Jeu de la vie et autopoièse Jeu de la vie et autopoièse

0

0 00 00 00 00 00 00 00 00 0

0 11 22 11 00 00 00 00 00 0

0 11 11 22 11 00 00 00 00 1

1 33 55 33 22 00 00 00 00 1

1 11 33 22 22 00 00 00 00 1

1 22 33 22 11 00 00 00 00 0

0 00 00 00 00 00 00 00 00 0

0 00 00 00 00 00 00 00 00 0

0 00 00 00 00 00 00 00 00

0

0 00 00 00 00 00 00 00 00 0

0 11 22 11 00 00 00 00 00 1

1 11 22 11 11 00 00 00 00 1

1 22 44 22 22 00 00 00 00 1

1 22 55 33 22 00 00 00 00 1

1 22 22 33 11 00 00 00 00 0

0 11 11 11 00 00 00 00 00 0

0 00 00 00 00 00 00 00 00 0

0 00 00 00 00 00 00 00 00

Jeu de la vie et autopoièse Jeu de la vie et autopoièse

glisseur

(7)

Autopoièse et jeu de la vie Autopoièse et jeu de la vie

Le glider est une configuration spatiale maintenue et Le glider est une configuration spatiale maintenue et régénérée par le jeu des interactions

régénérée par le jeu des interactions

EstEst--ce autopoiétique ?ce autopoiétique ?

– Les états des cellules sontLes états des cellules sont--ils des composantsils des composants

– Le changement d’état d’une cellule estLe changement d’état d’une cellule est--il une production ?il une production ?

– Y aY a--tt--il une frontière ?il une frontière ?

D’un certain point de vue ouiD’un certain point de vue oui

– La frontière est l’ensemble des cellules mortes entourant le La frontière est l’ensemble des cellules mortes entourant le glider

glider

– Elles sont nécessaires à la production du glider, et le glider est Elles sont nécessaires à la production du glider, et le glider est nécessaire à leur production

nécessaire à leur production

– Et les perturbations, on peut en mettre ? Qu’estEt les perturbations, on peut en mettre ? Qu’est--ce qu’un glider ce qu’un glider mort ?

mort ?

Glisseur et perturbations Glisseur et perturbations

Questions de Domaines Questions de Domaines

Avec le Glider nous retrouvons quelques Avec le Glider nous retrouvons quelques caractéristiques des systèmes autopoiétiques caractéristiques des systèmes autopoiétiques

Le domaine phénoménal du jeu de la vie Le domaine phénoménal du jeu de la vie (comparaisons symboliques) engendre un (comparaisons symboliques) engendre un domaine phénoménal pour l’observateur : le domaine phénoménal pour l’observateur : le glider

glider

Mais il manque beaucoup d’outils : Mais il manque beaucoup d’outils :

– Pour définir le domaine cognitif.Pour définir le domaine cognitif.

– Pour introduire l’histoire et l’évolution.Pour introduire l’histoire et l’évolution.

– Pour définir la notion de couplage avec Pour définir la notion de couplage avec l’environnement.

l’environnement.

(8)

Question sur L’autopoièse Question sur L’autopoièse

Obtenir un couplage structurel nécessite Obtenir un couplage structurel nécessite--il un il un mécanisme autopoiètique

mécanisme autopoiètique

Peut Peut--on réifier la notion d’autopoièse ? on réifier la notion d’autopoièse ?

Pour un système artificiel Pour un système artificiel

– qu’estqu’est--ce qu’un composant du système ?ce qu’un composant du système ? –

– qu’est ce que sa structure ?qu’est ce que sa structure ? –

– qu’estqu’est--ce qu’une perturbation ?ce qu’une perturbation ? –

– qu’estqu’est--ce que devient la notion de «ce que devient la notion de « génération d’un génération d’un composant

composant »»

Vers les réseaux de neurones Vers les réseaux de neurones

réccurents réccurents

Connexionnisme

Connexionnisme Approche dynamiqueApproche dynamique

causalité

causalité Causalité linéaire : systèmes Causalité linéaire : systèmes entrées/sortie

entrées/sortie

Causalité circulaire : Causalité circulaire : systèmes récurrents systèmes récurrents Rapport au

Rapport au monde monde

Séparé, objectif. Représentable Séparé, objectif. Représentable en patterns d’activations en patterns d’activations

Engagé, subjectif.

Engagé, subjectif.

Présentable par les Présentable par les actions actions comportements

comportements émergence d’une succession émergence d’une succession d’états discrets

d’états discrets

Flots d’états continus.

Flots d’états continus.

Bifurcations non linéaires Bifurcations non linéaires Lien

Lien cerveau/corps cerveau/corps

Séparable. Les connaissances Séparable. Les connaissances émergent d’une interaction entre émergent d’une interaction entre le corps et le monde le corps et le monde

Inséparable. Co Inséparable. Co--construction construction des connaissances par le corps des connaissances par le corps et le monde dans un historique et le monde dans un historique d’interactions réciproques d’interactions réciproques

Réseaux récurrents à temps Réseaux récurrents à temps

continu continu

Le réseau entretien une dynamique :

N i avec I y

w y y

N

i j j ji i i

i =− +

∑ σ

( +

θ

)+ , =1...

τ

(9)

Réseau récurent à temps continu Réseau récurent à temps continu

Un réseau non perturbé peut osciller Un réseau non perturbé peut osciller

Une perturbation modifie les oscillations Une perturbation modifie les oscillations

Chaque type d’oscillation devient une sorte de Chaque type d’oscillation devient une sorte de mémoire, une «

mémoire, une « représentation représentation » interne de » interne de l’environnement

l’environnement

Elle peut en retour perturber l’environnement Elle peut en retour perturber l’environnement

Exemple de dynamique d’un réseau Exemple de dynamique d’un réseau

récurent (ici Hopfield) récurent (ici Hopfield)

Niveau moyen d’activation des neurones en fonction d’un paramètre g propre à L’équation du réseau et reflétant la sensibilité des neurones

Expériences de Randall D. Beer Expériences de Randall D. Beer

7 capteurs de distance 2 effecteurs en opposition 7 neurones de perception

Projetés sur 6 neurones totalement interconnectés 2 neurones moteurs

71 paramètres ajustés par AG

Dans les exemples, certains passages sont trop Étroits

La fonction de fitness

- valorise les individus qui évitent les passages trop étrois

- valorise ceux qui passe le plus au milieu quand cela est possible

(10)

Trajectoires obtenues Trajectoires obtenues

Évitements Passages

Perception de soi Perception de soi

La main est perçue (la balle aussi) Pour les distinguer, il faut faire osciller le bras

7 capteurs de distance (avec neurones) 2 capteurs angulaires (position du bras) 6 neurones interconnectés

AG : 74 paramètres

Résultats Résultats

trajectoires performances

(11)

Mémoire (à court terme) Mémoire (à court terme)

Lorsqu’il se déplace, il est aveugle La balle tombe verticalement ou avec une pente

9 neurones de perception

4 neurones entièrement inter-connectés 2 neurones moteurs entièrement inter- connectés

AG : 56 parametres

Trajectoires pour une balle tombant Trajectoires pour une balle tombant verticalement de différentes positions verticalement de différentes positions

trajectoires performances

(lorsque l’objet est au centre Il est perçu trop tard pour obtenir une bonne précision)

Trajectoires obtenues pour Trajectoires obtenues pour des balles à trajectoires obliques des balles à trajectoires obliques

Une pénalité Une pénalité supplémentaire s’il supplémentaire s’il bouge trop tôt bouge trop tôt

Le déplacement ne Le déplacement ne s’effectue qu’après s’effectue qu’après que la balle ne que la balle ne quitte le capteur, quitte le capteur, sa vitesse est ainsi sa vitesse est ainsi

«

« saisiesaisie » par le » par le système système à vitesse constante

à différentes vitesses à vitesse constante

(12)

Attention selective : 2 cibles à 2 Attention selective : 2 cibles à 2

vitesses vitesses

Exemple : les animats Exemple : les animats

Psychologie

Ethologie Biologie

Animat :

Animal simulé ou robot réel adaptatif

Robotique

Intelligence artificielle

Vie artificielle

Se réclament de « Brooks » « le monde est sa propre représentation Pas de cognitivisme

Surtout du connexionnisme

Exemples Exemples

Hexapode connexionniste Hexapode connexionniste

AR αAR

Po P

αAV

AV

C

C

(13)

Exemples Exemples

Hexapode ~dynamique Hexapode ~dynamique –

– Réseaux de neurones continus (dy/dt) Réseaux de neurones continus (dy/dt) (valeurs générées par AG)

(valeurs générées par AG) –

– récurrence récurrence

α

Exemples Exemples

Comparaison : Comparaison :

– L’hexapode connexionniste voit les causalités L’hexapode connexionniste voit les causalités entrées/sorties clairement définies

entrées/sorties clairement définies –

– La récurrence des réseaux de l’hexapode dynamique La récurrence des réseaux de l’hexapode dynamique empêche une telle causalité «

empêche une telle causalité « définitivedéfinitive »» –

– Moyennant un apprentissage adapté, les expériences Moyennant un apprentissage adapté, les expériences montrent qu’il s’adapte à des modifications (longueur montrent qu’il s’adapte à des modifications (longueur des pattes) grâce à sa dynamique interne.

des pattes) grâce à sa dynamique interne.

Plasticité des réseaux (Di Paolo) Plasticité des réseaux (Di Paolo)

Introduction de règles de modification des Introduction de règles de modification des poids

poids

Règles définies par AG Règles définies par AG

Ultra Ultra--Stabilité Stabilité

Exemple de l’inversion des capteurs Exemple de l’inversion des capteurs

Apparition de phénomènes de mémoire Apparition de phénomènes de mémoire

(14)

Exemples Exemples

Un robot situé « Un robot situé « à la Brooks à la Brooks » »

Carte Détection d’amers

Navigation réflexe

MG

La carte est élaborée par apprentissage à l’aide d’un compas et utilisée pour définir les chemins

MG : mur à gauche MD : mur à droite C: Corridor

C

MD MG

Exemples Exemples

Approche ~dynamique [Tani 1996] Approche ~dynamique [Tani 1996]

S(t) M(t) C(t-1) S(t+1) M(t+1)

Réseau récurent continu

Prédictions donc erreur de prédiction

S=capteurs, M=orientation Motrice, C=contexte

5 modules en compétition Apprentissage :

Celui qui génère la plus faible erreur de prédiction peut ajuster ses poids 4 modules émergent et se spécialisent dans la reconnaissance

des portes/tournants/coins/murs droits

Exemples Exemples

ComparaisonComparaison

– Les amères sont prédéfinis dans les robots «Les amères sont prédéfinis dans les robots « à la Brooksà la Brooks » la » la carte apprise correspond à un environnement précis carte apprise correspond à un environnement précis

– La reconnaissance des amères La reconnaissance des amères émergeémerge dans l’approche dans l’approche dynamique

dynamique

– Les récurrences des unités de contextes jouent un rôle de Les récurrences des unités de contextes jouent un rôle de mémoire

mémoire

– Un module n’est pas utilisé, ce qui permet de penser que le Un module n’est pas utilisé, ce qui permet de penser que le système pourra s’adapter à des environnements plus complexes système pourra s’adapter à des environnements plus complexes

(15)

Exemples Exemples

Sélection d’action libre flux Sélection d’action libre flux « « à la P. Maës ou à la P. Maës ou Matari »

Matari »

Chercher à manger Se reposer

Manger S’approcher Approche Mémorisé en

cours

Explorer

Manger Fruit Manger proie N NE E SE S SO O NO Niveaux intermédiaires

sélection Capteur

proie

Capteur fruit

Exemples Exemples

+/- +/-

Batterie eau Batterie nourriture capteurs

boisson trappe

nourriture

roue

Réserves

Calcul des poids des arcs par AG (fitness=temps de survie) Les niveaux de batteries Modifient les valeurs des fonctions de transfert. Cette modification est elle-même calculée par AG

[Seth 1998]

Exemples Exemples

Comparaison Comparaison

– Les comportements de l’approche ~dynamique ne Les comportements de l’approche ~dynamique ne passent pas par une discrétisation explicite comme les passent pas par une discrétisation explicite comme les comportements «

comportements « à la Matarià la Matari »» –

– L’approche ~dynamique exhibe des comportements L’approche ~dynamique exhibe des comportements adaptatifs cohérents. L’analyse des liaisons ne permet adaptatifs cohérents. L’analyse des liaisons ne permet pas de reconnaître l’équivalent d’une architecture de pas de reconnaître l’équivalent d’une architecture de type libre flux car :

type libre flux car :

Il n’y a pas de mécanisme d’arbitration expliciteIl n’y a pas de mécanisme d’arbitration explicite Les liens sensorLes liens sensor--moteur activent le comportement à l’aide moteur activent le comportement à l’aide

d’une récurrence reflétée ici par le niveaux des batteries qui d’une récurrence reflétée ici par le niveaux des batteries qui résulte de

résulte de l’historique l’historique des actions passéedes actions passée

(16)

Conclusions Conclusions

L’approche dynamique débute L’approche dynamique débute

Il reste à élaborer formellement les distinction Il reste à élaborer formellement les distinction autopoièse

autopoièse/cognition dynamique /cognition dynamique

La fonction de fitness des AG est un non La fonction de fitness des AG est un non--sens sens pour les puristes

pour les puristes

Il manque une évaluation de l’autonomie Il manque une évaluation de l’autonomie obtenue

obtenue

Le couplage structurel n’est pas abordé Le couplage structurel n’est pas abordé

L’évolution non plus (morphogénèse) L’évolution non plus (morphogénèse)

Bibliographie Bibliographie

BourgineBourgine, P. & Stewart, J. (2004), ', P. & Stewart, J. (2004), 'AutopoiesisAutopoiesis and Cognition', and Cognition', Artificial Life Artificial Life 10, 32710, 327----345.345.

Di Paolo, E. (2000),'Di Paolo, E. (2000),'HomeostaticHomeostatic adaptation to inversion in the adaptation to inversion in the visualvisual fieldfield and and otherother sensorimotorsensorimotor disruptions', disruptions', in J.A. Meyer; A. in J.A. Meyer; A. BerthozBerthoz; ; D.

D. FloreanoFloreano; H.L. ; H.L. RoitblatRoitblat & S.W. Wilson, & S.W. Wilson, eded.,'.,'FromFrom AnimalsAnimals to to AnimatsAnimats 6. 6. ProceedingsProceedings of the VI International of the VI International ConferenceConference on Simulation on Simulation of

of AdaptoveAdaptove BehaviorBehavior', 440', 440--449.449.

Di Paolo, E. A. (2003),'Di Paolo, E. A. (2003),'OrganismicallyOrganismically--inspired robotics: homeostatic adaptation and teleology beyond the closed inspired robotics: homeostatic adaptation and teleology beyond the closed sensorimotorsensorimotor loop', loop', Dynamical Systems Approach to Embodiment and Sociality, Advanced Knowledge International.

Dynamical Systems Approach to Embodiment and Sociality, Advanced Knowledge International.

Guillot, A. & Guillot, A. & DaucéDaucé, , E.GuillotE.Guillot, A. & , A. & DaucéDaucé, E., , E., eded. (2002), . (2002), Approche dynamique de la cognition artificielle, Approche dynamique de la cognition artificielle, HermesHermes--Lavoisier.Lavoisier.

MaturanaMaturana, M. & Varela, F. (1984), , M. & Varela, F. (1984), AutopoiesisAutopoiesis and Cognition, and Cognition, ReidelReidel, Dordrecht., Dordrecht.

McGeerMcGeer, T. (1990), 'Passive dynamic walking', , T. (1990), 'Passive dynamic walking', International Journal of Robotics Research International Journal of Robotics Research 9(2), 629(2), 62----82.82.

McMullinMcMullin, B. (2004), 'Thirty Years of Computational , B. (2004), 'Thirty Years of Computational AutopoiesisAutopoiesis: A Review', : A Review', Artificial Life Artificial Life 10, 27710, 277----295.295.

NolfiNolfi, S. & , S. & FloreanoFloreano, D. (2000), , D. (2000), EvolutionnaryEvolutionnary Robotics: The biology, intelligence, and technology of selfRobotics: The biology, intelligence, and technology of self--organizing machines, MIT organizing machines, MIT Press/Bradford Books.

Press/Bradford Books.

Pfeifer, R. & Pfeifer, R. & ScheierScheier, C. (1999), , C. (1999), UnderstantdingUnderstantding IntelligenceIntelligence, MIT Press., MIT Press.

SigaudSigaud, O. & , O. & FlacherFlacher, F. (2002), , F. (2002), Approche dynamique de la cognition artificielle, Approche dynamique de la cognition artificielle, HermesHermes, Traité des sciences cognitives, , Traité des sciences cognitives, chapterchapter Vers Vers une approche dynamique de la

une approche dynamique de la sйlectionsйlection de l'action, pp. 163de l'action, pp. 163----176.176.

Whitaker, R. (2001),'Tutorials 1 and 2 on Whitaker, R. (2001),'Tutorials 1 and 2 on AutopoièsisAutopoièsis and and EnactionEnaction', http://www.enolagaia.com.', http://www.enolagaia.com.

Références

Documents relatifs

– Sélection dans M des deux clusters les plus proches Ci et Cj – Fusion de Ci et Cj par un cluster Cg plus général. – Mise à jour de M en calculant la ressemblance entre Cg et les

Cette approche du système humain et social s‟applique particulièrement bien à la phénoménologie d‟interaction de l‟expérience, que nous avons décrite plus haut,

Ce qui fait qu’à la fin d’apprentissage on obtient un nombre de cellules B non équitable pour chaque classe, cette différence est dû au degré de ressemblance des

Cela signifie à l’instar de Moisdon (1997), que concevoir et mettre en place un outil de gestion, est un processus dialectique qui permet de découvrir un certain nombre d’aspects

I Apprentissage artificiel : Recherche automatique d’un modèle à partir de données pouvant être réutilisé dans un nouvel environnement ou une nouvelle situation (ex prédiction)..

I Arbre peu performant pour la prédiction Le bruit dans les exemples peut conduire à un surajustement de l ’arbre. I E15= (Soleil,Chaude,Normale,

Utiliser l'algorithme du perceptron pour apprendre les valeurs du réseau τ = 0.5... Utiliser l'algorithme du perceptron pour apprendre les valeurs du réseau τ

Dans cette thèse, nous proposons soit d’estimer directement certains paramètres, nom- mément la masse, à partir des points passés de la trajectoire, soit d’utiliser des