Apprentissage comportemental en continu de dispositifs ambiants par systèmes multi-agents adaptatifs - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle Année : 2015

Apprentissage comportemental en continu de dispositifs ambiants par systèmes multi-agents adaptatifs

Valérian Guivarch
  • Fonction : Auteur
  • PersonId : 1095398
Valérie Camps
André Péninou
Pierre Glize
  • Fonction : Auteur
  • PersonId : 1126291
  • IdRef : 029976367

Résumé

We propose to extend the emergent problem solving to the ambient system field, through the design of the adaptive multi-agent system Amadeus. The goal of Amadeus is to learn the correct behavior to assign to an ambient system. This learning is based on the observation of users actions, in order to be able to progressively perform these actions on their behalf. To be truly adaptive, Amadeus performs a continuous learning without any a priori knowledge; it adapts itself to the appearance/disappearance of devices and it is able to modify its behaviour at runtime if there is a change in the users behavior. Amadeus has been evaluated by simulation through several scenarios, and has demonstrated its capability to learn in a local way the correct behavior to assign to a device by observing users actions.
Nous proposons d'étendre la résolution émergente de problème au cadre des systèmes ambiants, au travers de la conception du système multi-agent adaptatif Amadeus. L'objectif d'Amadeus est d'apprendre le comportement correct à attribuer à un système ambiant. Cet apprentissage passe par l'observation des différentes actions des utilisateurs, aén d'être capable de progressivement réaliser ces actions à leur place. Pour être réellement adaptatif, Amadeus réalise un apprentissage en continu sans connaissance a priori ; il s'adapte à l'apparition/disparition de dispositifs et est capable de modiéer son comportement en cours de fonctionnement en cas d'évolution du comportement utilisateur. Amadeus a été évalué par simulation sur plusieurs scénarios, et a montré sa capacité à apprendre localement le comportement correct à attribuer à un dispositif par l'observation des actions utilisateur.
Fichier principal
Vignette du fichier
guivarch_15266.pdf (2.06 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03464356 , version 1 (03-12-2021)

Identifiants

  • HAL Id : hal-03464356 , version 1
  • OATAO : 15266

Citer

Valérian Guivarch, Valérie Camps, André Péninou, Pierre Glize. Apprentissage comportemental en continu de dispositifs ambiants par systèmes multi-agents adaptatifs. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, 2015, 29 (1), pp.83-112. ⟨hal-03464356⟩
49 Consultations
37 Téléchargements

Partager

Gmail Facebook X LinkedIn More