Partenaires
Rechercher
Navigation
Accueil du site > Français > Thèmes de recherche > Thème 4 - Raisonnement et décision > Equipe ADRIA > Axes de Recherches
Axes de Recherches
Depuis trente ans, l’équipe met au premier plan de ses préoccupations la représentation et le traitement des informations incomplètes, incertaines, imprécises, incohérentes. Des logiques non monotones aux probabilités imprécises, en passant par la théorie des possibilités, l’équipe contribue au développement des approches formelles et “calculables” des modèles de raisonnement proposés en intelligence artificielle afin de pallier les limitations de la logique classique dans le traitement de ces informations.
Représentation de l’information
Nous pouvons identifier trois groupes principaux de contributions concernant respectivement la représentation de l’incertain, la représentation des préférences et les représentations bipolaires. Des travaux récents en relation avec l’équipe LiLAC ont porté aussi sur l’évaluation de la confiance ("trust") mutuelle entre agents. Représentation de l’incertain Les résultats obtenus depuis 2005, ainsi que l’évolution de l’état de l’art autour de l’analyse de risque et des probabilités imprécises, (...)
Modèles de raisonnement et de décision
Modèles de raisonnement L’équipe a poursuivi ses travaux sur la fusion d’information multi sources , , sur le raisonnement en présence d’informations à la fois incertaines et défectibles et sur la révision d’informations à l’arrivée de nouvelles (à distinguer de l’interrogation contextuelle d’une base de connaissances) . Une étude critique de la logique partielle et de la logique de Belnap , et une extension multi-agents de la logique possibiliste ont été proposées. Cependant, une grande part des (...)
Argumentation - Négociation
Les arguments peuvent prendre différentes formes, avoir différentes forces, être plus ou moins pertinents vis-à-vis de la thèse défendue. L’argumentation est un processus qui consiste à évaluer et à comparer les arguments et les contre arguments avancés, afin de sélectionner les plus acceptables d’entre eux. C’est une composante majeure du raisonnement d’un agent autonome, notamment pour le raisonnement en présence d’informations incohérentes, l’explication des raisonnements, l’aide à la décision sous (...)
Apprentissage
L’Apprentissage Automatique développe des méthodes et des algorithmes pour induire des modèles synthétiques à partir d’exemples et de contre-exemples. Les compétences de l’équipe dans le domaine de la représentation des connaissances et du raisonnement nous ont naturellement amené à contribuer à l’extension des cadres habituels de l’apprentissage vers la prise en compte de l’incertitude et de l’imprécision au niveau de la description des données et des modèles , , , , , , à l’étude de l’apprentissage vu (...)
Satisfaction de contraintes et optimisation, Planification
Satisfaction de contraintes et optimisation De nombreux problèmes de raisonnement et de décision peuvent s’exprimer sous la forme d’un problème d’optimisation sur domaines finis dans lequel on peut coder aussi bien des contraintes inviolables que des préférences (bio-informatique, configuration de produit, diagnostic, etc). C’est le cas pour les dessins au trait qui posent des problèmes d’interprétation visuelle . Des contraintes inviolables permettent de détecter l’impossibilité d’objets (...)
Composition de l’équipe
L’équipe a encadré plus de 50 thèses en trente ans, accueilli de nombreux visiteurs, et nourri de multiples collaborations nationales et internationales.