dsotofor / Manuscrit

Commit f13057c7bbb13a7bbe2d96ef28f33a3fe515e3eb

Authored by dsotofor 2025-04-17 13:32:24 +0200

Exists in main

another version

Showing 9 changed files with 197 additions and 97 deletions Side-by-side Diff

chapters/CBR.aux
chapters/CBR.tex
main.aux
main.log
main.out
main.pdf
main.synctex.gz
main.tex
main.toc

...	...	@@ -10,12 +10,12 @@
10	10	\@writefile{toc}{\contentsline {section}{\numberline {4.1}Raisonnement à partir de cas (RàPC)}{29}{section.4.1}\protected@file@percent }
11	11	\citation{10.1007/978-3-642-15973-2_50}
12	12	\citation{PETROVIC201617}
13		-\citation{10.1007/978-3-319-61030-6_1}
14	13	\citation{10.1007/978-3-319-47096-2_11}
15	14	\citation{10.1007/978-3-642-15973-2_50}
16	15	\citation{Robertson2014ARO}
17	16	\citation{ROLDANREYES20151}
18	17	\citation{10.1007/978-3-319-47096-2_11}
	18	+\citation{10.1007/978-3-319-61030-6_1}
19	19	\citation{Muller}
20	20	\citation{10.1007/978-3-319-24586-7_20}
21	21	\citation{10.1007/978-3-030-58342-2_20}
22	22
...	...	@@ -50,10 +50,10 @@
50	50	\newlabel{fig:figTax}{{4.2}{34}{Taxonomie des techniques algorithmiques employées pour des modules de recommandation dans les EIAH (Traduit de \cite {Obeid})\relax }{figure.caption.14}{}}
51	51	\@writefile{lof}{\contentsline {figure}{\numberline {4.3}{\ignorespaces Ajout d'un cycle complémentaire avec \textit {Deep Learning} au RàPC (Traduit de \cite {10.1007/978-3-319-47096-2_11})\relax }}{35}{figure.caption.15}\protected@file@percent }
52	52	\newlabel{fig:figMCBR2}{{4.3}{35}{Ajout d'un cycle complémentaire avec \textit {Deep Learning} au RàPC (Traduit de \cite {10.1007/978-3-319-47096-2_11})\relax }{figure.caption.15}{}}
53		-\@writefile{lot}{\contentsline {table}{\numberline {4.1}{\ignorespaces Tableau de synthèse des articles analysés dans l’état de l’art du RàPC\relax }}{36}{table.caption.16}\protected@file@percent }
54		-\newlabel{tabArts2}{{4.1}{36}{Tableau de synthèse des articles analysés dans l’état de l’art du RàPC\relax }{table.caption.16}{}}
	53	+\@writefile{lot}{\contentsline {table}{\numberline {4.1}{\ignorespaces Tableau de synthèse des articles analysés dans l’état de l’art du RàPC\relax }}{35}{table.caption.16}\protected@file@percent }
	54	+\newlabel{tabArts2}{{4.1}{35}{Tableau de synthèse des articles analysés dans l’état de l’art du RàPC\relax }{table.caption.16}{}}
55	55	\@setckpt{./chapters/CBR}{
56		-\setcounter{page}{37}
	56	+\setcounter{page}{36}
57	57	\setcounter{equation}{0}
58	58	\setcounter{enumi}{0}
59	59	\setcounter{enumii}{0}

...	...	@@ -4,46 +4,35 @@
4	4
5	5	Le raisonnement à partir de cas est une approche fondée sur la connaissance. Il s'agit d'une technique d'intelligence artificielle dont l'idée est de résoudre un nouveau problème grâce aux connaissances déjà acquises par le système et en tenant un raisonnement fondé sur l'analogie. Le RàPC est apparu comme une alternative pour améliorer les systèmes experts. Shank et Abelson \cite{schank+abelson77} ont initialement mené des travaux sur l'organisation hiérarchique de la mémoire pour imiter le raisonnement humain. Ceux-ci ont servi de fondement aux travaux de Janet Kolodner \cite{KOLODNER1983281} et ont abouti à l'implémentation un système fondé sur ces principes en 1983. Le terme \textit{raisonnement à partir de cas} est utilisé pour la première fois en 1989 par Riesbeck et Shank \cite{Riesbeck1989}.
6	6
7		-\colorbox{yellow}{Il manque un rappel rapide (un paragraphe)des différents concepts de base du RàPC : }\\
8		-\colorbox{yellow}{les conteneurs de connaissances, les phases. Cela peut être un rappel de quelques}\\
9		-\colorbox{yellow}{phrases : les concepts du RàPC ont été présentés dans la section --ref--. }\\
10		-\colorbox{yellow}{Mais il faut rappeler le carré d'analogie,}\\
11		-\colorbox{yellow}{les conteneurs de connaissances et les phases d'un cycle avant de présenter les}\\
12		-\colorbox{yellow}{originalités de certains travaux pour améliorer chacune des phases}.\\
13		-\colorbox{yellow}{D'autant que les références me semblent assez anciennes (avant 2020)}.
	7	+Comme vu dans le chapitre du contexte, le raisonnement à partir de cas utilise quatre conteneurs de connaissance pour représenter la connaissance complète du système, chaque conteneur stocke l'information associée à une fonction spécifique et tout est fondé sur le carré d'analogie, c'est-à-dire des solutions ayant permis de résoudre un problème ancien sont réutilisées afin de résoudre un problème nouveau similaire. La plupart des systèmes de RàPC utilisent comme base un cycle composé de quatre étapes (retrouver, réutiliser, réviser et retenir).
14	8
15	9	---RàPC et réseaux de neuronnes
16	10
17		-Plusieurs travaux combinent le RàPC avec les réseaux de neurones (Deep Learning) avec l'objectif d'améliorer les réponses générées et optimiser les performances de chaque algorithme. Mais ce n'est pas une idée très récente comme par exemple dans \cite{JUNG20095695} les auteurs développent un système fondé sur l'hybridation du RàPC avec des réseaux de neurones pour concevoir des produits. Le système se focalise uniquement dans les phases "rechercher" et "réutiliser" du RàPC dans lesquelles sont exécutés les algorithmes implémentés. Le système détermine de façon automatique les valeurs pour les paramètres nécessaires à la conception d'un produit particulier en suivant le cycle traditionnel du RàPC. Avec l'algorithme de k-moyennes, est extrait un cas représentatif de la base de cas et l'adaptation des solutions des voisins trouvées est faite avec le réseau de neurones RBFN (Radial Basis Function Network). L'évaluation du système est faite en utilisant une base de données contenant 830 tests.
	11	+Plusieurs travaux combinent le RàPC avec les réseaux de neurones (Deep Learning) avec l'objectif d'améliorer les réponses générées et optimiser les performances de chaque algorithme. Mais ce n'est pas une idée très récente comme par exemple dans \cite{JUNG20095695} les auteurs développent un système fondé sur l'hybridation du RàPC avec des réseaux de neurones pour concevoir des produits. Le système se focalise uniquement dans les phases "rechercher" et "réutiliser" du RàPC dans lesquelles sont exécutés les algorithmes implémentés. Le système détermine de façon automatique les valeurs pour les paramètres nécessaires à la conception d'un produit particulier en suivant le cycle traditionnel du RàPC. Avec l'algorithme de k-moyennes, est extrait un cas représentatif de la base de cas et l'adaptation des solutions des voisins trouvées est faite avec le réseau de neurones RBFN (Radial Basis Function Network). L'évaluation du système est faite en utilisant une base de données contenant 830 tests, les résultats démontrent que les produits conçus s'ajustent avec un grand pourcentage aux normes définies.
18	12
19		-\colorbox{pink} {je ne comprends pas la phrase qui suit} \colorbox{yellow}{idem} les nouveaux cas très similaires aux cas de la base initiale est obtenu un bon design en 99.4\% des cas, pour les cas dissemblables le pourcentage est de 94.8\%. Le RàPC à été utilisé comme outil secondaire pour aider d'autres algorithmes à trouver la bonne configuration.
	13	+Dans \cite{10.1007/978-3-642-15973-2_50} un réseau de neurones classique est implémenté pour définir la géométrie d'une matrice pour l'extrusion de l'aluminium. En effet, actuellement c'est un processus qui se fait manuellement et par essai et erreur. Le RàPC est alors utilisé pour aider à déterminer les valeurs optimales des paramètres du réseau, en utilisant l'information des matrices d'extrusion déjà testées.
20	14
21		-Dans \cite{10.1007/978-3-642-15973-2_50} un réseau de neurones classique est implémenté pour définir la géométrie d'une matrice pour l'extrusion de l'aluminium. En effet, actuellement c'est un processus qui se fait manuellement et par essai et erreur. Le RàPC est alors utilisé pour aider à déterminer les valeurs optimales des paramètres du réseau.
22		-
23	15	Aussi le travail de \cite{PETROVIC201617} où les auteurs proposent un système de raisonnement à partir de cas pour calculer la dose optimale de radiation pour le traitement du cancer. Dans ce domaine particulier de la radiothérapie, administrer une dose nécessite de connaître avec précision le nombre de faisceaux et l'angle de chacun d'eux. L'algorithme proposé tente de trouver la combinaison de valeurs optimales pour ces deux paramètres en utilisant les réseaux de neurones. L'utilisation des réseaux de neurones intervient lors de l'adaptation des cas connus : ils modifient le nombre et les angles des faisceaux. La validation de l'algorithme est évaluée avec une base de 80 cas réels de cancer du cerveau extraits de l'hôpital de Nottingham City. Le nombre de neurones et de couches ont été définis de façon empirique. Les résultats montrent que l'utilisation des cas historiques et la construction des solutions à partir des solutions déjà connues permet une amélioration de 12\% concernant la décision du nombre de faisceaux et de 29\% concernant la décision liée leur angle.
24	16
25		-\cite{10.1007/978-3-319-61030-6_1} s'intéressent quant à eux à la génération de recettes de cuisine originales. Son approche intègre un modèle probabiliste qui considère les préférences des utilisateurs, un indicateur de curiosité et un composant (\colorbox{pink}{qui synthétise tout le design ??} . Une fois que toutes les exigences sont renseignées, la recette est créée via un réseau d'apprentissage profond.
26		-
27	17	Plus récemment se trouvent travaux comme ..., ...
28	18
29	19	--- Modifications du cycle fondamental
30	20
31	21	Certains travaux ont appliqué le raisonnement à partir de cas à un problème spécifique en proposant des représentations des cas et des solutions différentes, d'autres ont modifié le cycle conceptuel comme le montre la figure \figref{figMCBR2} extraite de \cite{10.1007/978-3-319-47096-2_11}. Dans cette proposition, un cycle complémentaire incluant un outil d'apprentissage profond (\textit{Deep Learning}) est ajouté pour améliorer le résultat du processus du RàPC. Dans \cite{10.1007/978-3-642-15973-2_50}, la phase de stockage est modifiée en retenant les cas dont les résultats n'ont pas eu de succès, pour guider le processus dans la fabrications de nouvelles pièces. Enfin, dans \cite{Robertson2014ARO}, les auteurs proposent d'ajouter à chaque cas une valeur d'utilité espérée selon chaque action possible. Cet ajout s'accompagne d'une prédiction probabiliste des actions que l'application engendrera en réponse. Cette prédiction probabiliste dépend bien entendu de l'état initial du système avant mise en oeuvre de l'action.
32		-\colorbox{yellow}{Cette partie est intéressante, mais elle semble déconnectée du reste de l'état de l'art.}\\
33		-\colorbox{yellow}{Cela me conforte dans l'idée que la classification par domaine d'application n'est pas}\\
34		-\colorbox{yellow}{la meilleure et qu'il vaudrait mieux classer par "originalité" des approches.}
35	22
36	23	Plusieurs travaux appliquent le RàPC avec succès en proposant des modifications dans chacune des phases ou en combinant différents algorithmes. Certains systèmes de RàPC appliqués au domaine de la conception de produits sont remarquables à ce titre. Dans \cite{ROLDANREYES20151} les auteurs proposent, comme le montre la figure \figref{figMCBR1}, un algorithme pour produire le propylène glycol dans un réacteur chimique. Dans ce cas, la phase de réutilisation du RàPC est couplée à la recherche des états qui satisfassent le nouveau problème (\textit{Constraint satisfaction problems CSP}) en utilisant l'information des cas de base déjà résolus. Les solutions trouvées sont évaluées selon le nombre de changements réalisés sur les solutions déjà connues (parcimonie), le nombre de solutions possibles trouvées (précision), l'évaluation de commentaires faits par des experts et la complexité des transformations réalisées.
37	24
38	25	Dans \cite{10.1007/978-3-319-47096-2_11}, les auteurs ajoutent un nouveau cycle au cycle traditionnel du RàPC. Le premier cycle génère des descriptions abstraites du problème avec un réseau de neurones et des algorithmes génétiques; le second cycle prend les descriptions abstraites comme des nouveaux cas, cherche les cas similaires et adapte les solutions rencontrées. L'exécution des deux cycles prend en compte certains critères prédéfinis par l'utilisateur. En comparant le même problème avec le cycle traditionnel du RàPC, les auteurs mesurent une amélioration de la qualité des recettes proposées et montrent que celles-ci sont plus en accord avec les critères définis.
39	26
	27	+\cite{10.1007/978-3-319-61030-6_1} s'intéressent quant à eux à la génération de recettes de cuisine originales. Les auteurs modifient le cycle traditionnel du RàPC et créent deux cycles, combinant l'apprentissage profond et la récupération de cas basée sur la similarité, le premier cycle génère des descriptions abstraites de la conception avec des algorithmes génétiques et un réseau neuronal profond, le second cycle utilise les descriptions abstraites pour récupérer et adapter des objets, cette structure donne lieu à un prototype appelé Q-chef qui génère une recette basée sur la base de données d'ingrédients et les demandes de l'utilisateur. Ce travail ne montre pas de métriques standard génériques mais utilise deux nombres indicatifs (plausibilité et surprise) pour démontrer la génération efficace de nouvelles recettes selon les critères de l'utilisateur en comparant le RàPC à deux cycles avec le RàPC à un cycle, démontrant plus de plausibilité et de surprise dans les recettes générées.
	28	+
40	29	--- Techniques de génération / transformation de solutions
41	30
42	31	La représentation des cas peut permettre également d'améliorer les résultats d'un système de RàPC. La performance d'un système de RàPC dépend de la quantité d'informations stockées, mais également des algorithmes implémentés. C'est le cas dans \cite{Muller} où les recettes sont codées comme un processus de transformation et mélangent des ingrédients en suivant une suite d'étapes ordonnés. Pour créer des recettes innovantes, une mesure de distance est utilisée entre les ingrédients. Cette mesure permet de trouver une recette en substituant certains ingrédients par d'autres, similaires ou aux qualités et/ou caractéristiques similaires. De la même manière, il est possible de créer des recettes plus proches des exigences des utilisateurs. Les étapes de transformation appelées aussi opérateurs sont stockées et catégorisées grâce à une métrique permettant de les échanger afin d'obtenir une nouvelle recette.
43	32
44	33	La génération, analyse et correction de texte constitue également un domaine d'application intéressant du RàPC. Pour la réalisation de ces tâches il est parfois nécessaire de transformer le texte en représentation numérique ou de mesurer la proximité sémantique de mots. Le travail de \cite{10.1007/978-3-319-24586-7_20} utilise le RàPC pour générer des histoires en utilisant le texte d'autres histoires. Le système décrit explore les transformations possibles afin que la nouvelle histoire ne soit pas très similaire aux histoires déjà connues mais que elle soit cohérente. Le travail est plus focalisé sur la phase de révision, car les résultats de celle-ci déterminent si l'histoire générée correspond aux critères spécifiés ou si le cycle d'adaptation doit recommencer; l'adaptation se fait en recherchant les personnages, les contextes, les objets dans la base de cas, et en les unifiant avec des actions; la plupart des histoires générées sont cohérentes mais elles sont constituées de paragraphes très courts.
45	34
46		-Dans \cite{10.1007/978-3-030-58342-2_20} les phrases écrites en langue française sont corrigées. Ce travail n'utilise ni la transformation numérique des phrases, ni de connaissances linguistiques, mais retrouve les phrases similaires en utilisant l'algorithme LCS (\textit{Longest Common Subsequence}) et en calculant une mesure de distance avec les phrases correctes et incorrectes de la base de connaissances. Si les phrases similaires sont incorrectes, le système peut proposer une correction en changeant certains mots selon le contexte et recalculer les distances afin de mesurer \colorbox{yellow}{la justesse ?} de la phrase proposée.
	35	+Dans \cite{10.1007/978-3-030-58342-2_20} les phrases écrites en langue française sont corrigées. Ce travail n'utilise ni la transformation numérique des phrases, ni de connaissances linguistiques, mais retrouve les phrases similaires en utilisant l'algorithme LCS (\textit{Longest Common Subsequence}) et en calculant une mesure de distance avec les phrases correctes et incorrectes de la base de connaissances. Si les phrases similaires sont incorrectes, le système peut proposer une correction en changeant certains mots selon le contexte et recalculer les distances afin de mesurer la cohérence et pertinence de la phrase proposée.
47	36
48	37	--- Prédiction avec RàPC
49	38
50	39
51	40
52	41
...	...	@@ -55,28 +44,20 @@
55	44
56	45	--- Systèmes de recommandation
57	46
58		-Les systèmes de recommandation et le RàPC peuvent aussi être combinés comme dans le système proposé par \cite{8495930} montre les bénéfices de l'utilisation du RàPC dans les environnements informatiques pour l'apprentissage humain (EIAH). Le modèle proposé suit le cycle traditionnel du RàPC en combinant les modèles d'apprentissages traditionnels et numériques. Les principales contributions sont la représentation des cas et la recommandation des parcours d'apprentissage personnalisés selon les informations issues des autres apprenants. Une base de cas initiaux a été créée pour mesurer l'efficacité du modèle. Celle-ci stocke la recommandation du parcours de 120 apprenants. Des examens \colorbox{yellow}{?} réalisés avant et après avoir suivi le parcours recommandé par le système permettent de mesurer l'efficacité de la recommandation proposée.
	47	+Les systèmes de recommandation et le RàPC peuvent aussi être combinés comme dans le système proposé par \cite{8495930} montre les bénéfices de l'utilisation du RàPC dans les environnements informatiques pour l'apprentissage humain (EIAH). Le modèle proposé suit le cycle traditionnel du RàPC en combinant les modèles d'apprentissages traditionnels et numériques. Les principales contributions sont la représentation des cas et la recommandation des parcours d'apprentissage personnalisés selon les informations issues des autres apprenants. Une base de cas initiaux a été créée pour mesurer l'efficacité du modèle. Celle-ci stocke la recommandation du parcours de 120 apprenants. Des examens sont réalisés avant et après avoir suivi le parcours recommandé par le système permettent de mesurer l'efficacité de la recommandation proposée.
59	48
60	49	\cite{Obeid}. Le système décrit dans cette étude présente la particularité d'être capable d'analyser des données hétérogènes et multidimensionnelles. Dans ce travail, un parcours de carrière et les universités/collèges est recommandé aux élèves du secondaire en fonction de leurs intérêts. Ce travail montre également une taxonomie des techniques algorithmiques généralement utilisées dans les systèmes de recommandation pour les EIAH (figure \figref{figTax}).
61	50
62	51	--- Méthodes d'ensemble
63	52
64		-Uysal et al. [...] mettent en œuvre un CBR avec une méthode d'agrégation bootstrap (bagging) pour améliorer la précision du CBR et réduire la variance.
	53	+Uysal et al. [...] mettent en œuvre un RáPC avec une méthode d'agrégation bootstrap (bagging) pour améliorer la précision du CBR et réduire la variance.
65	54
66	55	Un modèle d'ensemble fondé sur le raisonnement à partir de cas est proposé par Yu et al. [...] appliqué à la prédiction financière et au remplissage des données manquantes. Dans ce cas, pour retrouver les plus proches voisins, le modèle utilise trois mesures de distance différentes et une étape de vote pour l'intégration. Le modèle a été testé avec une base de données comportant onze dimensions d'informations financières provenant de 249 entreprises. La comparaison est faite avec deux objectifs. Premièrement, le remplissage des données manquantes avec d'autres algorithmes tels que KNN ou RandomForest, et deuxièmement, la comparaison de la prédiction avec des algorithmes uniques utilisant une métrique de distance spécifique. En effet, les résultats montrent une meilleure performance dans le remplissage des données manquantes et les meilleurs résultats dans la prédiction.
67	56
68	57	----------------------------------
69	58
70		-Le raisonnement à partir de cas a été utilisé dans différents domaines parmi lesquels figurent la médecine, la conception de produits, les sports ou encore les systèmes de recommandation. En médecine, le RàPC a par exemple été appliqué pour aider la prise de décision des médecins concernant les traitements qui requièrent l'administration de doses précises.
71		-
72		-\colorbox{yellow}{Tu prends cet exemple parmi toute la biblio hyper-abondante du RàPC pour la médecine.}\\
73		-\colorbox{yellow}{Il faut expliquer pourquoi tu choisis cet exemple, en quoi est-il important de le décrire}\\
74		-\colorbox{yellow}{dans ta thèse ?}\\
75	59	\colorbox{yellow}{Est-ce parce qu'il couple RàPC et RNA ? Ce n'est pas le seul. Pourquoi lui ?}\\
76	60	\colorbox{yellow}{Est-ce le premier ?}\\
77		-\colorbox{yellow}{Pourquoi un exemple d'application à la médecine alors que ta thèse est sur les EIAH ?}\\
78		-\colorbox{yellow}{Si tu prends un exemple d'un autre domaine d'application, il faut qu'il soit singulier }\\
79		-\colorbox{yellow}{et que tu expliques en quoi il est singulier.}\\
80	61
81	62	\colorbox{yellow}{En quoi est-il différent de Petrovic et al. 2016}\\
82	63	\colorbox{yellow}{Peut-être que plutôt d'organiser en domaine d'application, il vaudrait mieux organiser en}\\
...	...	@@ -90,8 +71,6 @@
90	71
91	72	%Le RàPC a également été mis en oeuvre dans différents travaux liés à la génération, l’analyse et la correction de textes écrits. Pour la réalisation de ces tâches, il est parfois nécessaire de transformer le texte en représentation numérique ou d’établir une fonction ou mesure qui va indiquer quels mots ont une proximité sémantique. Le travail de \cite{10.1007/978-3-319-24586-7_20} utilise le RàPC pour générer des histoires en utilisant le texte d'autres histoires. Le système décrit dans ce travail explore les transformations de forme possibles afin que la nouvelle histoire ne soit pas similaire aux histoires déjà connues tout en étant cohérente. Le travail est plus focalisé sur la phase de révision, car les résultats de la révision déterminent si l’histoire générée correspond aux critères spécifiés ou si le cycle d'adaptation doit être recommencé. L'adaptation se fait en cherchant dans la base des cas, les personnages, les contextes, les objets et en \colorbox{pink}{unifiant tout avec des actions ??}. Les résultats montrent que la plupart des histoires générées sont cohérentes mais qu'elles sont constituées de paragraphes très courts. Dans \cite{10.1007/978-3-030-58342-2_20}, les phrases écrites en langue française sont corrigées, ce travail n'utilise ni la transformation numérique \colorbox{yellow}{?} des phrases, ni des connaissances linguistiques. Le système conçu retrouve des phrases similaires en utilisant l'algorithme LCS (\textit{Longest Common Subsequence}) et en calculant la distance entre toutes les phrases \colorbox{yellow}{lesquelles ?} pour savoir \colorbox{pink}{je ne comprends pas la suite }si elle est bien écrite ou pas. Si la phrase n’est pas bien écrite, le système peut proposer une correction en changeant certains mots selon le contexte et calculer à nouveau les distances mesurant la cohérence et pertinence de la phrase.
92	73
93		-Le sport fait également partie des domaines explorés par le RàPC. Dans ce domaine, le RàPC est généralement employé pour suggérer des routines d'entraînement, prédire des temps de course, ou encore évaluer et améliorer la performance des athlètes.
94		-
95	74	\mfigure[!ht]{width=\textwidth}{./Figures/taxonomieEIAH.png}{Taxonomie des techniques algorithmiques employées pour des modules de recommandation dans les EIAH (Traduit de \cite{Obeid})}{figTax}
96	75
97	76	%\begin{figure}
...	...	@@ -103,7 +82,7 @@
103	82
104	83	\mfigure[!ht]{width=\textwidth}{./Figures/ModCBR2.png}{Ajout d'un cycle complémentaire avec \textit{Deep Learning} au RàPC (Traduit de \cite{10.1007/978-3-319-47096-2_11})}{figMCBR2}
105	84
106		-Le tableau \ref{tabArts2} montre un récapitulatif des articles analysés dans l'état de l'art du RàPC.
	85	+Le tableau \ref{tabArts2} montre un récapitulatif des articles analysés dans l'état de l'art du RàPC, où on montre chacun d'eux en ordre d'apparition dans le chapitre et les limitations trouvées par rapport aux données, flexibilité, généralité de l'algorithme proposé, validité des solutions proposées, automatisation du processus et complexité du modèle proposée.
107	86
108	87	\begin{table}
109	88	\footnotesize

...	...	@@ -34,6 +34,7 @@
34	34	\@input{./chapters/EIAH.aux}
35	35	\@input{./chapters/CBR.aux}
36	36	\@writefile{toc}{\contentsline {part}{III\hspace {1em}Contributions}{37}{part.3}\protected@file@percent }
	37	+\@input{./chapters/Architecture.aux}
37	38	\bibstyle{apalike}
38	39	\bibdata{main.bib}
39	40	\bibcite{doi:10.3233/AIC-1994-7104}{Aamodt and Plaza, 1994}
...	...	@@ -92,5 +93,5 @@
92	93	\bibcite{ZHAO2023118535}{Zhao et~al., 2023}
93	94	\bibcite{Zhou2021}{Zhou and Wang, 2021}
94	95	\bibcite{jmse10040464}{Zuluaga et~al., 2022}
95		-\gdef \@abspage@last{50}
	96	+\gdef \@abspage@last{60}

1		-This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 16 APR 2025 16:20
	1	+This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 17 APR 2025 13:25
2	2	entering extended mode
3	3	restricted \write18 enabled.
4	4	%&-line parsing enabled.
5	5
6	6
...	...	@@ -1388,34 +1388,14 @@
1388	1388	(./chapters/CBR.tex
1389	1389	Chapitre 4.
1390	1390
1391		-Overfull \hbox (1.02423pt too wide) in paragraph at lines 7--14
1392		-[][][][][][][]
1393		- []
	1391	+Underfull \vbox (badness 10000) has occurred while \output is active []
1394	1392
1395		-[29
	1393	+ [29
1396	1394
1397	1395
1398	1396
1399	1397
1400	1398	]
1401		-Underfull \hbox (badness 2617) in paragraph at lines 25--26
1402		-[]\T1/phv/m/n/10.95 [[]] s'in-té-ressent quant à eux à la gé-né-ra-tion de re-c
1403		-ettes
1404		- []
1405		-
1406		-
1407		-Underfull \hbox (badness 2680) in paragraph at lines 25--26
1408		-\T1/phv/m/n/10.95 de cui-sine ori-gi-nales. Son ap-proche in-tègre un mo-dèle p
1409		-ro-ba-bi-liste qui consi-
1410		- []
1411		-
1412		-
1413		-Underfull \hbox (badness 1221) in paragraph at lines 31--35
1414		-\T1/phv/m/n/10.95 les au-teurs pro-posent d'ajou-ter à chaque cas une va-leur d
1415		-'uti-lité es-pé-rée se-lon
1416		- []
1417		-
1418		-
1419	1399	Underfull \vbox (badness 10000) has occurred while \output is active []
1420	1400
1421	1401	[30]
1422	1402
1423	1403
1424	1404
1425	1405
1426	1406
1427	1407
1428	1408
1429	1409
1430	1410
1431	1411
1432	1412
1433	1413
1434	1414
1435	1415
1436	1416
1437	1417
1438	1418
...	...	@@ -1425,81 +1405,196 @@
1425	1405	Underfull \vbox (badness 10000) has occurred while \output is active []
1426	1406
1427	1407	[32]
1428		-Overfull \hbox (8.8757pt too wide) in paragraph at lines 72--80
1429		-[][][][][][][]
1430		- []
	1408	+Underfull \hbox (badness 10000) in paragraph at lines 59--61
1431	1409
1432		-
1433		-Underfull \hbox (badness 10000) in paragraph at lines 72--80
1434		-
1435	1410	[]
1436	1411
1437	1412
1438		-Overfull \hbox (4.26514pt too wide) in paragraph at lines 81--86
	1413	+Overfull \hbox (4.26514pt too wide) in paragraph at lines 62--67
1439	1414	[][][][][][]
1440	1415	[]
1441	1416
1442	1417
1443		-Overfull \hbox (2.44788pt too wide) in paragraph at lines 81--86
	1418	+Overfull \hbox (2.44788pt too wide) in paragraph at lines 62--67
1444	1419	[][][][][][]
1445	1420	[]
1446	1421
1447	1422
1448		-Overfull \hbox (28.14754pt too wide) in paragraph at lines 81--86
	1423	+Overfull \hbox (28.14754pt too wide) in paragraph at lines 62--67
1449	1424	[][][][][][]
1450	1425	[]
1451	1426
1452	1427
1453		-Underfull \hbox (badness 10000) in paragraph at lines 81--86
	1428	+Underfull \hbox (badness 10000) in paragraph at lines 62--67
1454	1429
1455	1430	[]
1456	1431
1457	1432	<./Figures/ModCBR1.png, id=546, 942.52126pt x 624.83438pt>
1458	1433	File: ./Figures/ModCBR1.png Graphic file (type png)
1459	1434	<use ./Figures/ModCBR1.png>
1460		-Package pdftex.def Info: ./Figures/ModCBR1.png used on input line 87.
	1435	+Package pdftex.def Info: ./Figures/ModCBR1.png used on input line 68.
1461	1436	(pdftex.def) Requested size: 427.43153pt x 283.36574pt.
1462	1437	<./Figures/taxonomieEIAH.png, id=549, 984.67876pt x 614.295pt>
1463	1438	File: ./Figures/taxonomieEIAH.png Graphic file (type png)
1464	1439	<use ./Figures/taxonomieEIAH.png>
1465		-Package pdftex.def Info: ./Figures/taxonomieEIAH.png used on input line 95.
	1440	+Package pdftex.def Info: ./Figures/taxonomieEIAH.png used on input line 74.
1466	1441	(pdftex.def) Requested size: 427.43153pt x 266.65376pt.
1467	1442	<./Figures/ModCBR2.png, id=552, 1145.27875pt x 545.03625pt>
1468	1443	File: ./Figures/ModCBR2.png Graphic file (type png)
1469	1444	<use ./Figures/ModCBR2.png>
1470		-Package pdftex.def Info: ./Figures/ModCBR2.png used on input line 104.
	1445	+Package pdftex.def Info: ./Figures/ModCBR2.png used on input line 83.
1471	1446	(pdftex.def) Requested size: 427.43153pt x 203.41505pt.
1472	1447
1473		-Overfull \hbox (7.88272pt too wide) in paragraph at lines 120--120
	1448	+Overfull \hbox (7.88272pt too wide) in paragraph at lines 99--99
1474	1449	[]\|\T1/phv/m/n/9 [[]]\|
1475	1450	[]
1476	1451
1477	1452
1478		-Overfull \hbox (6.9288pt too wide) in paragraph at lines 132--132
	1453	+Overfull \hbox (6.9288pt too wide) in paragraph at lines 111--111
1479	1454	[]\|\T1/phv/m/n/9 [[]]\|
1480	1455	[]
1481	1456
1482		-)
1483		-Underfull \vbox (badness 10000) has occurred while \output is active []
	1457	+) [33]
1484	1458
1485		- [33]
1486		-
1487	1459	LaTeX Warning: Text page 34 contains only floats.
1488	1460
1489	1461	[34 <./Figures/ModCBR1.png> <./Figures/taxonomieEIAH.png>] [35 <./Figures/ModCB
1490		-R2.png>] [36] [37
	1462	+R2.png>] [36
1491	1463
1492	1464
1493	1465
1494		-] [38] (./main.bbl [39
	1466	+] [37] [38]
	1467	+\openout2 = `./chapters/Architecture.aux'.
1495	1468
	1469	+ (./chapters/Architecture.tex
	1470	+Chapitre 5.
	1471	+
	1472	+LaTeX Warning: Reference `figSys1' on page 39 undefined on input line 17.
	1473	+
	1474	+
	1475	+LaTeX Warning: Reference `tabDesc' on page 39 undefined on input line 17.
	1476	+
	1477	+
	1478	+Underfull \vbox (badness 10000) has occurred while \output is active []
	1479	+
	1480	+ [39
	1481	+
	1482	+
1496	1483	]
	1484	+<./Figures/AIVT.png, id=613, 1116.17pt x 512.91624pt>
	1485	+File: ./Figures/AIVT.png Graphic file (type png)
	1486	+<use ./Figures/AIVT.png>
	1487	+Package pdftex.def Info: ./Figures/AIVT.png used on input line 21.
	1488	+(pdftex.def) Requested size: 427.43153pt x 196.41287pt.
	1489	+
	1490	+Underfull \hbox (badness 3049) in paragraph at lines 38--39
	1491	+[]\|\T1/phv/m/n/10.95 Discipline des in-for-ma-tions conte-
	1492	+ []
	1493	+
	1494	+
	1495	+Underfull \hbox (badness 2435) in paragraph at lines 40--40
	1496	+[]\|\T1/phv/m/n/10.95 Le ni-veau sco-laire de la ma-tière
	1497	+ []
	1498	+
	1499	+
	1500	+Underfull \hbox (badness 7468) in paragraph at lines 41--42
	1501	+[]\|\T1/phv/m/n/10.95 Professeur, Ad-mi-nis-
	1502	+ []
	1503	+
	1504	+
	1505	+Underfull \hbox (badness 7468) in paragraph at lines 42--43
	1506	+[]\|\T1/phv/m/n/10.95 Professeur, Ad-mi-nis-
	1507	+ []
	1508	+
	1509	+
	1510	+Underfull \hbox (badness 5050) in paragraph at lines 46--46
	1511	+[]\|\T1/phv/m/n/10.95 Le type d'in-for-ma-tions conte-nues
	1512	+ []
	1513	+
	1514	+
	1515	+Underfull \hbox (badness 10000) in paragraph at lines 48--49
	1516	+[]\|\T1/phv/m/n/10.95 Connaissances et
	1517	+ []
	1518	+
	1519	+
	1520	+Overfull \hbox (1.98096pt too wide) in paragraph at lines 51--51
	1521	+[]\|\T1/phv/m/n/10.95 Représentation
	1522	+ []
	1523	+
	1524	+
	1525	+Overfull \hbox (1.98096pt too wide) in paragraph at lines 52--52
	1526	+[]\|\T1/phv/m/n/10.95 Représentation
	1527	+ []
	1528	+
	1529	+
	1530	+Underfull \hbox (badness 10000) in paragraph at lines 53--54
	1531	+[]\|\T1/phv/m/n/10.95 Représentation tex-
	1532	+ []
	1533	+
	1534	+
	1535	+Underfull \hbox (badness 10000) in paragraph at lines 53--54
	1536	+\T1/phv/m/n/10.95 tuel et gra-phique
	1537	+ []
	1538	+
	1539	+
	1540	+Underfull \hbox (badness 2343) in paragraph at lines 57--58
	1541	+[]\|\T1/phv/m/n/10.95 Ordinateur ou ap-pa-
	1542	+ []
	1543	+
	1544	+
	1545	+Underfull \vbox (badness 10000) has occurred while \output is active []
	1546	+
	1547	+ [40 <./Figures/AIVT.png>]
	1548	+Underfull \vbox (badness 5022) has occurred while \output is active []
	1549	+
	1550	+ [41]
	1551	+
	1552	+LaTeX Warning: Reference `sa1' on page 42 undefined on input line 77.
	1553	+
	1554	+
	1555	+Underfull \vbox (badness 10000) has occurred while \output is active []
	1556	+
	1557	+ [42]
	1558	+<./Figures/Architecture AI-VT2.png, id=634, 1029.8475pt x 948.54375pt>
	1559	+File: ./Figures/Architecture AI-VT2.png Graphic file (type png)
	1560	+<use ./Figures/Architecture AI-VT2.png>
	1561	+Package pdftex.def Info: ./Figures/Architecture AI-VT2.png used on input line
	1562	+81.
	1563	+(pdftex.def) Requested size: 427.43153pt x 393.68173pt.
	1564	+
	1565	+[43 <./Figures/Architecture AI-VT2.png>] [44]
	1566	+Underfull \vbox (badness 10000) has occurred while \output is active []
	1567	+
	1568	+ [45]
	1569	+<./Figures/Layers.png, id=653, 392.46625pt x 216.81pt>
	1570	+File: ./Figures/Layers.png Graphic file (type png)
	1571	+<use ./Figures/Layers.png>
	1572	+Package pdftex.def Info: ./Figures/Layers.png used on input line 130.
	1573	+(pdftex.def) Requested size: 235.48155pt x 130.08699pt.
	1574	+
	1575	+
	1576	+LaTeX Warning: Reference `figLayers' on page 46 undefined on input line 135.
	1577	+
	1578	+<./Figures/flow.png, id=654, 721.69624pt x 593.21625pt>
	1579	+File: ./Figures/flow.png Graphic file (type png)
	1580	+<use ./Figures/flow.png>
	1581	+Package pdftex.def Info: ./Figures/flow.png used on input line 139.
	1582	+(pdftex.def) Requested size: 427.43153pt x 351.33421pt.
	1583	+
	1584	+LaTeX Warning: Reference `figFlow' on page 46 undefined on input line 144.
	1585	+
	1586	+) [46 <./Figures/Layers.png>] [47 <./Figures/flow.png>] (./main.bbl [48
	1587	+
	1588	+
	1589	+
	1590	+]
	1591	+[49]
1497	1592	Underfull \hbox (badness 1394) in paragraph at lines 91--97
1498	1593	[]\T1/phv/m/n/10.95 Henriet, J., Chris-tophe, L., and Laurent, P. (2017). Ar-t
1499	1594	i-fi-cial
1500	1595	[]
1501	1596
1502		-[40]
	1597	+[50]
1503	1598	Underfull \hbox (badness 1939) in paragraph at lines 195--199
1504	1599	[]\T1/phv/m/n/10.95 Muangprathub, J., Boon-jing, V., and Cham-nong-thai, K.
1505	1600	[]
1506	1601
1507	1602
1508	1603
1509	1604
1510	1605
1511	1606
...	...	@@ -1510,39 +1605,46 @@
1510	1605	16).
1511	1606	[]
1512	1607
1513		-[41]) [42]
	1608	+[51]) [52]
1514	1609	LaTeX Font Info: Trying to load font information for T1+pcr on input line 38
1515	1610	6.
1516	1611	(/usr/local/texlive/2023/texmf-dist/tex/latex/psnfss/t1pcr.fd
1517	1612	File: t1pcr.fd 2001/06/04 font definitions for T1/pcr.
1518	1613	)
1519		-[43
	1614	+[53
1520	1615
1521	1616	]
1522		-<spimufcphdthesis-backpage.pdf, id=640, 597.432pt x 844.83629pt>
	1617	+<spimufcphdthesis-backpage.pdf, id=709, 597.432pt x 844.83629pt>
1523	1618	File: spimufcphdthesis-backpage.pdf Graphic file (type pdf)
1524	1619	<use spimufcphdthesis-backpage.pdf>
1525	1620	Package pdftex.def Info: spimufcphdthesis-backpage.pdf used on input line 386.
1526	1621
1527	1622	(pdftex.def) Requested size: 600.04684pt x 900.02122pt.
1528		- [44
	1623	+ [54
1529	1624
1530	1625	<./spimufcphdthesis-backpage.pdf>] (./main.aux
1531		-(./chapters/contexte2.aux) (./chapters/EIAH.aux) (./chapters/CBR.aux))
	1626	+(./chapters/contexte2.aux) (./chapters/EIAH.aux) (./chapters/CBR.aux)
	1627	+(./chapters/Architecture.aux))
1532	1628
1533	1629	LaTeX Warning: There were undefined references.
1534	1630
1535	1631
1536	1632	LaTeX Warning: There were multiply-defined labels.
1537	1633
1538		-Package rerunfilecheck Info: File `main.out' has not changed.
1539		-(rerunfilecheck) Checksum: 36685AC71B3A23EBF18F9CFB53A23508;8585.
	1634	+
	1635	+Package rerunfilecheck Warning: File `main.out' has changed.
	1636	+(rerunfilecheck) Rerun to get outlines right
	1637	+(rerunfilecheck) or use package `bookmark'.
	1638	+
	1639	+Package rerunfilecheck Info: Checksums for `main.out':
	1640	+(rerunfilecheck) Before: 36685AC71B3A23EBF18F9CFB53A23508;8585
	1641	+(rerunfilecheck) After: FD9F9B345AA9C4899E44C29E0E47B7B3;10224.
1540	1642	)
1541	1643	Here is how much of TeX's memory you used:
1542		- 20591 strings out of 476038
1543		- 350118 string characters out of 5790170
1544		- 1871785 words of memory out of 5000000
1545		- 40374 multiletter control sequences out of 15000+600000
	1644	+ 20680 strings out of 476038
	1645	+ 352454 string characters out of 5790170
	1646	+ 1872785 words of memory out of 5000000
	1647	+ 40430 multiletter control sequences out of 15000+600000
1546	1648	612134 words of font info for 143 fonts, out of 8000000 for 9000
1547	1649	1141 hyphenation exceptions out of 8191
1548	1650	126i,14n,133p,1979b,754s stack positions out of 10000i,1000n,20000p,200000b,200000s
1549	1651
...	...	@@ -1565,10 +1667,10 @@
1565	1667	lvetic/uhvr8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/helvetic/
1566	1668	uhvro8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmr8a.pf
1567	1669	b></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmri8a.pfb>
1568		-Output written on main.pdf (50 pages, 4985113 bytes).
	1670	+Output written on main.pdf (60 pages, 5241536 bytes).
1569	1671	PDF statistics:
1570		- 749 PDF objects out of 1000 (max. 8388607)
1571		- 624 compressed objects within 7 object streams
1572		- 177 named destinations out of 1000 (max. 500000)
1573		- 327 words of extra memory for PDF output out of 10000 (max. 10000000)
	1672	+ 822 PDF objects out of 1000 (max. 8388607)
	1673	+ 679 compressed objects within 7 object streams
	1674	+ 201 named destinations out of 1000 (max. 500000)
	1675	+ 347 words of extra memory for PDF output out of 10000 (max. 10000000)

...	...	@@ -30,4 +30,13 @@
30	30	\BOOKMARK [0][]{chapter.4}{\376\377\0004\000\040\000\311\000t\000a\000t\000\040\000d\000e\000\040\000l\000'\000a\000r\000t\000\040\000\050\000R\000a\000i\000s\000o\000n\000n\000e\000m\000e\000n\000t\000\040\000\340\000\040\000P\000a\000r\000t\000i\000r\000\040\000d\000e\000\040\000C\000a\000s\000\051}{part.2}% 30
31	31	\BOOKMARK [1][]{section.4.1}{\376\377\0004\000.\0001\000\040\000R\000a\000i\000s\000o\000n\000n\000e\000m\000e\000n\000t\000\040\000\340\000\040\000p\000a\000r\000t\000i\000r\000\040\000d\000e\000\040\000c\000a\000s\000\040\000\050\000R\000\340\000P\000C\000\051}{chapter.4}% 31
32	32	\BOOKMARK [-1][]{part.3}{\376\377\000I\000I\000I\000\040\000C\000o\000n\000t\000r\000i\000b\000u\000t\000i\000o\000n\000s}{}% 32
	33	+\BOOKMARK [0][]{chapter.5}{\376\377\0005\000\040\000A\000r\000c\000h\000i\000t\000e\000c\000t\000u\000r\000e\000\040\000G\000l\000o\000b\000a\000l\000e\000\040\000p\000o\000u\000r\000\040\000l\000e\000\040\000S\000y\000s\000t\000\350\000m\000e\000\040\000A\000I\000-\000V\000T}{part.3}% 33
	34	+\BOOKMARK [1][]{section.5.1}{\376\377\0005\000.\0001\000\040\000I\000n\000t\000r\000o\000d\000u\000c\000t\000i\000o\000n}{chapter.5}% 34
	35	+\BOOKMARK [1][]{section.5.2}{\376\377\0005\000.\0002\000\040\000D\000e\000s\000c\000r\000i\000p\000t\000i\000o\000n\000\040\000d\000u\000\040\000s\000y\000s\000t\000\350\000m\000e\000\040\000A\000I\000-\000V\000T}{chapter.5}% 35
	36	+\BOOKMARK [1][]{section.5.3}{\376\377\0005\000.\0003\000\040\000M\000o\000d\000\350\000l\000e\000\040\000d\000'\000a\000r\000c\000h\000i\000t\000e\000c\000t\000u\000r\000e\000\040\000p\000r\000o\000p\000o\000s\000\351}{chapter.5}% 36
	37	+\BOOKMARK [2][]{subsection.5.3.1}{\376\377\0005\000.\0003\000.\0001\000\040\000C\000o\000r\000r\000e\000c\000t\000i\000o\000n\000\040\000a\000u\000t\000o\000m\000a\000t\000i\000q\000u\000e}{section.5.3}% 37
	38	+\BOOKMARK [2][]{subsection.5.3.2}{\376\377\0005\000.\0003\000.\0002\000\040\000I\000d\000e\000n\000t\000i\000f\000i\000c\000a\000t\000i\000o\000n}{section.5.3}% 38
	39	+\BOOKMARK [2][]{subsection.5.3.3}{\376\377\0005\000.\0003\000.\0003\000\040\000R\000\351\000v\000i\000s\000i\000o\000n}{section.5.3}% 39
	40	+\BOOKMARK [2][]{subsection.5.3.4}{\376\377\0005\000.\0003\000.\0004\000\040\000T\000e\000s\000t}{section.5.3}% 40
	41	+\BOOKMARK [1][]{section.5.4}{\376\377\0005\000.\0004\000\040\000C\000o\000n\000c\000l\000u\000s\000i\000o\000n}{chapter.5}% 41

No preview for this file type

...	...	@@ -367,7 +367,7 @@
367	367
368	368	\part{Contributions}
369	369
370		-%\include{./chapters/Architecture.tex}
	370	+\include{./chapters/Architecture.tex}
371	371
372	372	%\include{./chapters/TS.tex}
373	373

...	...	@@ -31,4 +31,13 @@
31	31	\contentsline {chapter}{\numberline {4}\'Etat de l'art (Raisonnement à Partir de Cas)}{29}{chapter.4}%
32	32	\contentsline {section}{\numberline {4.1}Raisonnement à partir de cas (RàPC)}{29}{section.4.1}%
33	33	\contentsline {part}{III\hspace {1em}Contributions}{37}{part.3}%
	34	+\contentsline {chapter}{\numberline {5}Architecture Globale pour le Système AI-VT}{39}{chapter.5}%
	35	+\contentsline {section}{\numberline {5.1}Introduction}{39}{section.5.1}%
	36	+\contentsline {section}{\numberline {5.2}Description du système AI-VT}{40}{section.5.2}%
	37	+\contentsline {section}{\numberline {5.3}Modèle d'architecture proposé}{41}{section.5.3}%
	38	+\contentsline {subsection}{\numberline {5.3.1}Correction automatique}{43}{subsection.5.3.1}%
	39	+\contentsline {subsection}{\numberline {5.3.2}Identification}{44}{subsection.5.3.2}%
	40	+\contentsline {subsection}{\numberline {5.3.3}Révision}{45}{subsection.5.3.3}%
	41	+\contentsline {subsection}{\numberline {5.3.4}Test}{46}{subsection.5.3.4}%
	42	+\contentsline {section}{\numberline {5.4}Conclusion}{47}{section.5.4}%