Parallelisation De La Classification D Objets Dans Un Modele De Connaissances Multi Points De Vue

Parallélisation de la classification d'objets dans un modèle de connaissances multi-points de vue

Parallélisation de la classification d'objets dans un modèle de connaissances multi-points de vue

La classification est un mécanisme fondamental d'inférence de connaissance, car elle permet de résoudre un problème en le localisant dans une structure de catégories de problèmes connus et en regardant les solutions connues. Dans le modèle de connaissances TROPES, la classification des instances se fait dans une hiérarchie de classes manipulant différents points de vue d'un concept. Ce travail est consacré aux mécanismes parallèles pour la classification des instanCes dans une base de connaissances. Notre démarche s'appuie d'une part sur l'étude de modèles parallèles de résolution de problèmes en intelligence artificielle. Parmi les modèles, nous trouvons les systèmes de tableau noir et les langages acteurs. D'autre part ce travail parle sur les architectures de systèmes répartis et de machines parallèles modernes. Cette approche sur deux fronts convergents nous permet de prendre en compte à la fois les progrès dans l'expression et l'utilisation du parallélisme, et les tendances et possibilités d'utilisation de modèles parallèles pour la résolution de problèmes. Le résultat principal de cette étude est la conception d'un modèle parallèle pour la classification des instances dans un modèle de connaissances multi-points de vue tel que TROPES, et la réalisation d'un système de classification sur un système réparti en utilisant à la fois le modèle de tableau noir et le modèle de langage acteur

Inventaire des thèses de doctorat soutenues devant les universités françaises