Un outil pour la généralisation utilisant systématiquement les théorèmes : le système OGUST

par Christel Vrain

Thèse de doctorat en Informatique

Sous la direction de Yves Kodratoff.

Soutenue en 1987

à Paris 11 , en partenariat avec Université de Paris-Sud. Faculté des sciences d'Orsay (Essonne) (autre partenaire) .

Le président du jury était Marie-Claude Gaudel.

Le jury était composé de Marie-Claude Gaudel, Guy Vidal-Naquet, Eugène Chouraki, Yves Kodratoff.

Les rapporteurs étaient Eugène Chouraki.

mots clés

• Apprentissage à partir d'exemples
• Mise en correspondance structurelle
• Domaine à théorie forte
• Contre-exemple
• Intelligence artificielle

Résumé

La plupart des systèmes d'Apprentissage actuels n'utilisent qu'incomplètement les connaissances sur le domaine dans lequel se fait l'Apprentissage et se limitent très souvent à des propriétés exprimées sous forme de taxonomies. Nous proposons dans cette thèse un système d'apprentissage dans un domaine à théorie forte, où les propriétés sont exprimées sous forme de théorèmes universels ou de taxonomies. Notre système utilise une notion nouvelle appelée Mise en Correspondance Structurelle. Nous résolvons ainsi un problème classique en Démonstration Automatique: celui des boucles de raisonnement. Une des particularités de ce système par rapport aux autres systèmes d'apprentissage à partir d'exemples est sa capacité à fournir des explications. Ces explications pourront s'avérer utiles pour traiter les contre-exemples ou pour faire de l'apprentissage incrémental.

Titre traduit

A learning system in a domain with strong theory : ogust

Pas de résumé disponible.