Soutenance de stage programmation orient e motion
This presentation is the property of its rightful owner.
Sponsored Links
1 / 30

Soutenance de stage Programmation Orientée Émotion PowerPoint PPT Presentation


  • 126 Views
  • Uploaded on
  • Presentation posted in: General

Soutenance de stage Programmation Orientée Émotion. Kévin Darty 7 septembre 2011 Responsable : Nicolas Sabouret. Introduction. Méthode de programmation Résolution de problème [Hart&al 68] Informatique affective [Darwin&al. 02] Émotion Cadre de programmation. Plan. Classe de problème

Download Presentation

Soutenance de stage Programmation Orientée Émotion

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Soutenance de stage programmation orient e motion

Soutenance de stageProgrammation Orientée Émotion

Kévin Darty

7 septembre 2011

Responsable : Nicolas Sabouret


Introduction

Introduction

  • Méthode de programmation

    • Résolution de problème [Hart&al 68]

    • Informatique affective [Darwin&al. 02]

      • Émotion

    • Cadre de programmation


Soutenance de stage programmation orient e motion

Plan

  • Classe de problème

  • États de l’art

    • Résolution de problème

    • Affective computing

  • Modèle

  • Implémentation

  • Évaluation

  • Conclusion

  • Bibliographie


Classe de probl me

Classe de problème


Classe de probl me1

Classe de problème

  • Sans connaissance du but


Classe de probl me2

Classe de problème

  • Sans connaissance du but

  • Multi objectifs


Classe de probl me3

Classe de problème

  • Sans connaissance du but

  • Multi objectifs

  • Dynamique


Classe de probl me4

Classe de problème

  • Sans connaissance du but

  • Multi objectifs

  • Dynamique

  • Ressources limitées


Classe de probl me5

Classe de problème

  • Sans connaissance du but

  • Multi objectifs

  • Dynamique

  • Ressources limitées

  • Temps limité


Classe de probl me6

Classe de problème

  • Sans connaissance du but

  • Multi objectifs

  • Dynamique

  • Ressources limitées

  • Temps limité

  • Partiellement observable


Classe de probl me7

Classe de problème

  • Sans connaissance du but

  • Multi objectifs

  • Dynamique

  • Ressources limitées

  • Temps limité

  • Partiellement observable

  • Complexe


Tat de l art r solution de probl me

État de l’art : résolution de problème

  • Normatif

    • Exploration : A* [Hart&al 68]

      • Optimum /Temps limité

    • Planification : GraphPlan[Blum&Furst 97]

      • Base de règle /Dynamique

        / Problème abstrait


Tat de l art r solution de probl me1

État de l’art : résolution de problème

  • Normatif

    • Exploration : A* [Hart&al 68]

      • Optimum /Temps limité

    • Planification : GraphPlan[Blum&Furst 97]

      • Base de règle /Dynamique

  • Descriptif

    • Comportement : FreeFlowHierarchies[Tyrrell 93]

      • Compromis / Problème abstrait

    • Animat : MHiCS[Robert&Grillot 03]

      • Adaptatif / Complexe

    • Architecture psychologique : ACT-R[Anderson&al. 04]

      • Humain / Méthode simple


Tat de l art informatique affective

État de l’art : informatique affective

  • Mémoire

    • Mémoire à long terme [Atkinson&Shiffrin 68]

      • Vécu  mémorisation  apprentissage possible

    • Mémoire de travail [Atkinson&Shiffrin 68] [Miller 56]

      • Concentration  Minimise l’espace de recherche


Tat de l art informatique affective1

État de l’art : informatique affective

  • Mémoire

    • Mémoire à long terme [Atkinson&Shiffrin 68]

      • Vécu  mémorisation  apprentissage possible

    • Mémoire de travail [Atkinson&Shiffrin 68] [Miller 56]

      • Concentration  Minimise l’espace de recherche

  • Émotion

    • Catégoriel [Plutchik 80]

    • Dimensionnel [Mehrabian&Russell 74]


Conclusion

Conclusion

  • Modélisation de la classe de problème ?

  • Résolution généralisée de problèmes ?

  • Heuristiques émotionnelles ?

  • Réduire la tâche du programmeur ?

  • Séparation problème / solution

  • Niveau d’abstraction

  • Solveur Orienté Émotion automatisé

  • Environnement de programmation aisé


Mod le 1 4 architecture

Modèle (1/4) : architecture


Mod le 2 4 environnement

Modèle (2/4) : Environnement


Mod le 3 4 solution

Modèle (3/4) : Solution


Mod le 4 4 solveur

Modèle (4/4) : Solveur


Impl mentation 1 2

Implémentation (1/2)


Impl mentation 2 2

Implémentation (2/2)


Valuation 1 4 labyrinthe

Évaluation (1/4) : Labyrinthe


Valuation 2 4 conclusion

Évaluation (2/4) : Conclusion

  • Problème

    • Dynamique

    • Partiellement observable

    • A temps limité

  • Séparation problème / solution

  • Heuristiques émotionnelles

  • Comportements adaptés

  • Mise en œuvre rapide


Valuation 3 4 protocole

Évaluation (3/4) : Protocole

  • Testeurs humains

  • Similitudes sur une même instance de labyrinthe

    • Taux de réussite

    • Séquences d’actions [Levenshtein 66]

    • Nombres de tours

    • Nombres d’actions

    • Trésors récoltés

  • Tests

    • 2 configurations : avec/sans monstres

    • 30 personnes X 4 instances de labyrinthe


Valuation 4 4 attentes

Évaluation (4/4) : Attentes

  • Taux de réussite proches

  • Longueurs de séquence et nombres de tour équivalents

  • Comportements similaires

    • Logique : parcours

    • Émotionnel : réaction aux perceptions par un choix de comportement semblable


Conclusion perspectives

Conclusion & perspectives

  • Modélisation de la classe de problème

  • Tache réduite :

    • Séparation problème / solution

    • Appraisal automatisé

    • Heuristiques émotionnelles indépendantes du problème

  • Comportement adapté du solveur

    • Réaction par émotion

    • Concentration via les filtres et la WM

  • Utilisation stricte de la mémoire

  • Évolution de l’importance d’une perception

  • Apprentissage du critère de dominance

  • Application du protocole d’évaluation


Bibliographie 1 2

Bibliographie (1/2)

  • [Anderson&al. 04] Anderson, J.R. and Bothell, D. and Byrne, M.D. and Douglass, S. and Lebiere, C. and Qin, Y. An integrated theory of the mind. Psychological review, vol.111.4:1036, 2004.

  • [Atkinson&Shiffrin 68] Atkinson, R.C. and Shiffrin, R.M. Human memory: A proposed system and its control processes. The psychology of learning and motivation: Advances in research and theory, vol. 2:89-195, 1968.

  • [Baars&Franklin 09] Baars, B.J. and Franklin, S. Consciousness is computational: The LIDA model of global workspace theory. International Journal of Machine Consciousness, vol. 1:23-32, 2009.

  • [Baars 05] Baars, B.J. Global workspace theory of consciousness: toward a cognitive neuroscience of human experience. Progress in brain research, vol. 150:45-53, 2005.

  • [Batra&Holbrook 90] Batra, R. and Holbrook, M.B. Developing a typology of affective responses to advertising. Psychology and Marketing, vol.7.1:11-25, 1990.

  • [Blum&Furst 97] A. Blum et M. Furst. Fast Planning Through Planning Graph Analysis. Artificial Intelligence, 90:281-300, 1997.

  • [Bonnet&Geffner 98] Bonnet, B. and Geffner, H. HSP: Heuristic search planner. Citeseer, 1998.

  • [Caplat 02] Caplat, G. Modélisation cognitive résolutions de problèmes, Presses polytechniques et universitaires romandes, 2002.

  • [Conklin 06] Conklin, J. Wicked problems & social complexity. Citeseer, 2006.

  • [Darwin&al. 02] Darwin, C. and Ekman, P. and Prodger, P. The expression of the emotions in man and animals, Oxford University Press, 2002.

  • [Do&Kambhampati 01] Do, M.B. and Kambhampati, S. Sapa: A domain-independent heuristic metric temporal planner. Proceedings of the 6th EuropeanConference on Planning, 190-120, 2001.

  • [Edell&Burke 87] Edell, J.A. and Burke, M.C. The power of feelings in understanding advertising effects. The Journal of Consumer Research, vol. 14.3:421-433, 1987.

  • [Fikes&Nilsson 71] Fikes, R.E. and Nilsson, N.J. STRIPS: A new approach to the application of theorem proving to problem solving. Artificial intelligence, vol2.3/4:189-208, 1971.

  • [Greeno 78] Greeno, J.G. Natures of problem-solving abilities. Lawrence Erlbaum, 1978.

  • [Guillot&Daucé 03] Guillot, A. & Daucé, E. Approche dynamique de la cognition artificielle. HèrmesScienes Publications, 2003.

  • [Hart&al 68] Hart, P.E., Nilsson, N.J. et Raphael, B. A formal basis for the heuristic determination of minimum cost paths. Systems Science and Cybernetics, IEEE Transactions on, 4:100-107, 1968.

  • [Hoffmann&Nebel 01] Hoffmann, J. et Nebel, B. FF: The fast-forward planning system. Journal of Artificial Intelligence Research, 14.1:253-302, 2001.

  • [James&al. 81] James, W. and Burkhardt, F. and Bowers, F. and Skrupskelis, I.K. The principles of psychology, Harvard University Press, vol. 12, 1981.

  • [Lazarus&Folkman 96] Lazarus, R. & Folkman, S. Stress, appraisal and coping. Springer, 1996.


Bibliographie 2 2

Bibliographie (2/2)

  • [Levenshtein 66] Levenshtein, V.I. Binary codes capable of correctingdeletions, insertions, and reversals. Soviet PhysicsDoklady, vol. 10,8:707-710, 1966.

  • [Mehrabian&Russell 74] Mehrabian, A. and Russell, J.A. An approach to environmental psychology. the MIT Press, 1974.

  • [Miller 56] Miller, G.A. The magical number seven, plus or minus two: some limits on our capacity for processing information. Psychological review. Vol 63.2, 81, 1956.

  • [Park&Koelling 89] Park, Y.B. and Koelling, C.P. An interactive computerized algorithm for multicriteria vehicle routing problems. Computers & Industrial Engineering, vol. 16.4:477-490, 1989.

  • [Plutchik 80] Plutchik, R. Emotion: A psychoevolutionarysynthesis. Harper & Row New York, 1980.

  • [Rittel&Webber 73] Rittel, H.W.J. and Webber, M.M. Dilemmas in a general theory of planning. Policy sciences, 4.2:155-169, 1973.

  • [Robert&Grillot 03] Robert, G. and Guillot, A. MHiCS, a modular and hierarchical classifier systems architecture for bots. 4th International Conference on Intelligent Games and Simulation (GAME-ON’03), 140-144, 2003.

  • [Rosenblatt&Payton 89] Rosenblatt, J.K. & Payton, D.W. A fine-grained alternative to the subsumption architecture for mobile robot control. IEEE/INNS International Joint Conference on Neural Networks, 317-323, 1989.

  • [Rosenbloom&al. 93] Rosenbloom, P.S. & Laird, J. & Newell, A. The SOAR papers: Research on integrated intelligence. Mit Press Cambridge, vol. 1, 1993.

  • [Russell 80] Russell, J.A. A circumplex model of affect.Journal of personality and social psychology, vol. 39.6:1161, 1980.

  • [Schmeichel&al. 08] Schmeichel, B.J. and Volokhov, R.N. and Demaree, H.A. Working memory capacity and the self-regulation of emotional expression and experience. Journal of Personality and Social Psychology, vol. 95.6:1526, 2008

  • [Tyrrell 93] Tyrrell, T. The use of hierarchies for action selection, Adaptive Behavior, vol. 1.4:387, 1993.


Questions

Questions


  • Login