Catherine Garbay
Ses 6 Articles :
![](../wp-content/plugins/jfsma_wp_plugin/img/right.jpg)
Mots-clefs : Méthodologies de conception, Intelligence artificielle distribuée, Système multi-agent, Modélisation cognitive, Modélisation technologique, Interprétation d'images biomédicales.
Résumé : Nous décrivons dans cet article une ébauche de méthodologie pour la conception de systèmes cognitifs. Cette méthodologie tient compte simultanément des caractères propres à l'expertise du domaine (interprétation d'images biomédicales) et à la technologie considérée (approche multi-agents). Elle repose sur trois étapes essentielles, l'Identification Cognitive, la Modélisation Conceptuelle et l'Implantation Technologique, dont l'objectif est la modélisation puis la mise en correspondance progressive des composants cognitifs et technologiques à prendre en compte. L'Identification Cognitive est fondée sur l'utilisation de deux typologies originales de la connaissance et du raisonnement, qui présentent deux points de vue différents, l'un cognitif et l'autre technologique. La deuxième étape, que nous avons appelée la Modélisation Conceptuelle, vise à spécifier de manière formelle les modèles cognitifs et technologiques nécessaires à la formalisation des connaissances et des raisonnements dégagés à l'étape précédente. L'étape d'Implantation Technologique implique la mise en correspondance des modèles cognitifs et technologiques : cette étape de "fusion" permet la validation mutuelle des modèles proposés et la création d'un cadre de conception au sein duquel s'effectuera l'implantation effective du système. Ces éléments sont illustrés par leur application à la conception d'un système muhi-agent dédié à l'interprétation d'images biomédicales .
Mots-clefs :
Résumé : Nous présentons un système multi-agents pour la segmentation d'image cytologiques. Les agents intègrent plusieurs comportements, gérés par de_s_priorités. Trois comportements de base sont définis. Le"comportement deper - ception _explore l'environnement et crée une image de segmentation:lécomportémenid'interaction" négocie avec les autres agents des zones d'intérêt commun. Le _comportement deroductio permet à un agent de lancer d'autres agents de segmentation. Ces comportements accumulent des informations permettant de modifier les priorités d'exécution des autres comportements. Les comportements de perception et de reproduction sont spécialisés selon les composantes de l'image que l'agent doit segmenter. Des résultats concernant l'application, provenant d'un prototype existant, sont montrés puis analysés.
![](../wp-content/plugins/jfsma_wp_plugin/img/right.jpg)
Mots-clefs : Apprentissage, Emergence, Adaptation
Résumé : A partir de séries temporelles issues du monitorage de patients en unité de soins intensifs, on cherche à extraire des comportements typiques d'évolution des paramètres physio- logiques appelés scénarios. Les connaissances médicales dans ce domaine sont mal formalisées d'où une difficulté pour les utiliser a priori pour diriger l'apprentissage. Nous proposons une méthode pour faire émerger ces scénarios à partir d'un partenariat entre un clinicien et un SMA . Le SMA construit, sur la base de plusieurs niveaux d'abstraction, sa propre connais- sance tout en pouvant s'adapter aux informations échangées. Ce partenariat vise à la conver- gence vers des connaissances partagées. Nous proposons une architecture de type SMA fondée sur l'organisation la plus élémentaire qui permette l'émergence, i.e. deux entités en interaction.
![](../wp-content/plugins/jfsma_wp_plugin/img/right.jpg)
Mots-clefs : Agent, Architecture, Evolution,Adaptation, Intelligence Ambiante
Résumé : Dans le domaine du monitoring de signaux médicaux, l’établissement d’un diagnostic est unproblème complexe qui repose sur un traitementfiable et sécurisé des signaux multiples observés et également sur le contexte de l’observation. Nous proposons dans cet article une architecture de système pour le diagnostic physiologique de combattants en mission. Le systèmeintègre différents niveaux de pilotage personnalisés et dépendants du contexte en se basantsur un nuage d’agents autonomes interagissantsmettant en oeuvre un raisonnement bayésien.Certains agents ont des visions partielles dusystème, fusionnant les différentes mesures enregistrées par les capteurs, et d’autres ont unevision globale prenant en compte les degrés deconfiance d’agents locaux combinés. Les processus de fusion et le pilotage sont ainsi personnalisés et distribués sur plusieurs niveaux permettant une organisation totalement autonomedu système qui évolue au gré des observations.
Mots-clefs : Travail collaboratif, Systèmesd’interaction mixtes,systèmes multi-agentsnormatif, organisations, gestion de crises
Résumé : ans ce papier, nous nous intéressons à laconception de Systèmes de soutien au travailcollaboratif dans des situations où desacteurs distants, appartenant à desorganisations différentes et interagissant viaun ensemble de tables tangibles distribuées,doivent se coordonner et coopérer entre eux.Afin de prendre en compte ces particularités,nous proposons une conception à based’agents normatifs et d’artefacts médiantl’interaction entre les acteurs humains et lesagents. La collaboration humaine est iciobservée et évaluée sous l’angle de saconformité à des normes organisationnelles.Le rôle du systèmes multi-agents est dès lorsd’émuler ces Systèmes de normes, d’analyserl’activité humaine dans le référentiel qu’ellesconstituent, et de produire des feedbacksfavorisant la conscience mutuelle de cescontraintes. La conception s’appuie surl’approche de programmation orientée multiagent JaCaMo. Nous illustrons l’approcheproposée par une application à lapréparation à la gestion de crises naturellespour les services municipaux.
![](../wp-content/plugins/jfsma_wp_plugin/img/right.jpg)
Mots-clefs : Institutions artificielles situées, Systèmes normatif, Interaction tangible, gestion decrises
Résumé : Ce document propose l’utilisation d’une institution artificielle située (SAI) au sein d’un systèmes multi-agents normatif, interactif, et hybridepour réguler la collaboration humaine dans unesituation de gestion de crises. Les normes permettent de réguler les actions des acteurs humains en fonction de la dynamique de l’environnement dans lequel ils sont situés. Cette dynamique provient à la fois de l’évolution de l’environnement et de l’activité des acteurs. Notreobjectif est de coupler les normes et les caractéristiques de l’environnement pour proposer unerégulation de crises ancrée dans le contexte. Enajoutant un niveau constitutif entre l’environnement et les normes, l’utilisation de SAI permetla mise en place d’un couplage lâche entre cesdeux éléments. Ainsi, les normes ne se réfèrentplus à des faits environnementaux, mais auxfonctions statutaires, c’est-à-dire à l’interprétation institutionnelle des faits environnementauxselon des règles constitutives. Nous montronscomment cette modélisation déclarative et distincte permet de gérer l’interprétation des événements, tout en tenant compte du contexte organisationnel.