Cours pour 2M option IA

1. Objectifs de l’enseignement. 

           Les systèmes complexes possèdent leurs propres aspects du point de vue résolution. L’objectif est de fournir à l’étudiant les approches évoluées pour la modélisation des systèmes complexes. 

2. Connaissances préalables recommandées Matière : 

            intelligence artificielle, système parallèle 

3. Contenu de la matière : 

   Chapitre 1 Etat de l’art sur les systèmes complexes 

   Chapitre 2 Les approches classiques 

   Chapitre 3 Les algorithmes génétiques 

   Chapitre 4 Les réseaux de neurones 

   Chapitre 5 Les automates cellulaire et quantique 

4. Mode d’évaluation : 

   Examen final 75% + 25% note TP 5. 

Références 

   Z. Michalewics, “Genetic Algorithms + Data Structures = Evolution Programs”, Springer, 1996. 

   A.E Eiben, J.E Smith: “Introduction to Evolutionary Computing”, Springer, 2003. 

   W.M Spears: “Evolutionary Algorithms: The Role of Mutation and Recombination”, Springer, 2004.

L'internet et les réseaux de communication présentent un champ d'application très important pour l'IA. Ce cours vise à initier les étudiants aux concepts avancés relatifs aux deux volets : Internet et Réseaux. De plus, età travers les différentes activités pédagoiques correspondantes au cours TIR, nous allons toucher à chaque fois aux points de rencontre entre l'IA et les réseaux.  


Intitulé du Master : Intelligence Artificielle

Semestre : S3

Intitulé de l’UE : Techniques de l'intelligence artificielle

Intitulé de la matière : Traitement Automatique du Langage Naturel  et Reconnaissance des Formes  

Crédits : 3

Coefficients : 1

 

Objectifs de l’enseignement.

 

Les travaux sur les langages naturel est un champ d’investigation très riche. L’étudiant pourra exploiter le contenu de la matière pour développer surtout des interfaces interactives des systèmes intelligents en langage naturel. Il peut aussi exploiter ce contexte pour la reconnaissance et éventuellement la synthèse de la parole.

 

 

Connaissances préalables recommandées  

Matière : intelligence artificielle, logique pour l’intelligence artificielle

 

 

Contenu de la matière :

 

I.1. Introduction générale et Historique

I.2. Les applications du TLN et l’Interface Langage Naturel ILN

I.3. La traduction automatique des langages naturels et les ambiguïtés du langage naturel

I.4. Les étapes d’analyse du Langage naturel

I.4.1. L’analyse morphologique et lexticale

I.4.2. Le traitement syntaxique

            I.4.2.1. Traitement par Grammaires hors contexte

            I.4.2.2. Traitement par RTN et ATN

            I.4.2.3. Traitement par grammaire logique

            I.4.2.4. Traitement à base de connaissances

            I.4.2.5. Traitement à base de probabilités

I.4.3. Le traitement sémantique

            I.4.3.1. Les réseaux sémantiques

            I.4.3.2. La théorie de Dépendance Conceptuelle DC (Roger SCHANK)

            I.4.3.3. La théorie de Chave

            I.4.3.4. La théorie de Minsky (Frame)

II.1. Introduction générale à la reconnaissance des formes

II.2. la reconnaissance des formes Définitions de la reconnaissance des formes

II.3. Techniques de reconnaissances des formes

II.4. Domaines d’applications

 

Mode d’évaluation : 

            75% Examen final + 25% travail personnel