Ce travail porte sur la préconception d'une classe de mécanismes plans à barres articulées, les générateurs de trajectoires, dont la fonction utile est la trajectoire décrite par un point effecteur. Les outils actuellement disponibles sont mieux adaptés à la conception détaillée qu'à la préconception. Nous proposons donc des méthodes d'analyse et de synthèse afin de mieux prendre en compte une plus grande diversité de besoins, notamment pour des spécifications de trajectoire en termes de forme plutôt que classiquement (par des listes de points). La plate-forme de préconception RealisMe utilise deux modèles de cinématique. Le modèle systémique multipolaire est une extension, dans le sens de la théorie des systèmes, de la notion de groupe d'Assur. Le modèle de cinématique qualitative génère directement une trajectoire sous la forme d'arcs et de segments de droite. Ces deux modèles permettent de réaliser des simulations cinématiques très rapides et de fournir des informations utiles en préconception. Le modèle systémique multipolaire est mis à profit dans une méthodologie de conception incrémentale des mécanismes complexes. Nous proposons ensuite deux approches d'optimisation dimensionnelle, exacte et qualitative, par bouclage sur des simulations cinématiques appropriées. Finalement, nous développons deux méthodes de synthèse par capitalisation de cas. Dans ces méthodes, au préalable, un très grand nombre de trajectoires sont calculées, par simulation, pour des jeux de dimensions aléatoires. Ensuite, les cas (couples trajectoire - dimensions), après leur codage, sont stockés dans une base de cas. La première méthode de synthèse par cas utilise un réseau neuronal artificiel pour fournir, à partir d'une forme de trajectoire désirée, un mécanisme candidat par interpolation des cas proches. La forme des trajectoires est modélisée par une analyse harmonique en série de Fourier. Le réseau neuronal permet de stocker en une très faible quantité de données une connaissance étendue sur la relation dimensions-trajectoires, ceci pour une morphologie de mécanisme donnée. La deuxième méthode emploie le codage qualitatif des trajectoires pour stocker dans la même base des trajectoires générées par des mécanismes divers. Afin d'admettre des requêtes complexes, les trajectoires sont indexées selon une clé qualitative.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

Dans le domaine des environnements numériques, un enjeu particulier consiste à construire des systèmes permettant aux utilisateurs de partager et de réutiliser leurs expériences. Cette thèse s'intéresse à la problématique générale des recommandations contextuelles pour des applications web dans un contexte particulier : tâche complexes, beaucoup de données, différents types d'utilisateurs (du débutant au professionnel), etc. Nous cherchons à fournir une assistance à l'utilisateur en prenant en compte le contexte et la dynamique des tâches que l'utilisateur effectue. On cherche à fournir des recommandations dynamiques qui sont enrichies au fur et à mesure des expériences. Pour fournir ces recommandations dynamiques, nous nous appuyons sur le Raisonnement à Partir de l'Expérience Tracée (RàPET). Dans le RàPET, les traces d'interaction constituent d'importants conteneurs de connaissances. Ces traces permettent de mieux comprendre le comportement des utilisateurs et leurs activités. Par conséquent, elles représentent également le contexte de l'activité. Les traces peuvent donc venir nourrir un assistant à partir d'expérience en lui fournissant des connaissances appropriées. Dans cette thèse, nous présentons un état de l'art sur les systèmes d'assistances dynamiques et nous rappelons les concepts généraux des systèmes à base de traces. Nous avons proposé une formalisation des traces modélisées et des processus qui permettent de manipuler ces traces. Nous avons notamment défini une méthode pour établir des mesures de similarité afin de comparer des traces modélisées. Nous avons implémenté ces propositions dans un outil appelé TStore. Cet outil permet le stockage, la transformation, la gestion et la réutilisation des traces modélisées. Ensuite, nous avons proposé un mécanisme de rejouage de traces pour permettre aux utilisateurs de revenir à un état précédent de l'application. Enfin, nous avons décrit une approche de recommandations à partir de traces. Le moteur de recommandations est alimenté par les traces d'interactions laissée par les précédents utilisateurs de l'application. Cette approche s'appuie sur les mesures de similarité proposées plus haut. Nous avons validé nos contributions théoriques à l'aide de deux applications web : SAP BusinessObjects Explorer pour l'analyse de données, et Wanaclip pour la génération semi-automatique de clips vidéos. Le mécanisme de rejouage de traces est démontré dans SAP BusinessObjects Explorer. Les recommandations à base de traces sont illustrées dans l'application Wanaclip. Dans la dernière partie du manuscrit, nous mesurons les performances de TStore et la qualité des recommandations et des mesures de similarité qu'il implémente. Nous discutons aussi des résultats du sondage que nous avons appliqué aux utilisateurs de Wanaclip pour mesurer leur satisfaction. Nos évaluations montrent que notre approche offre des recommandations satisfaisantes et un bon temps de réponse. / In the field of digital environments, a particular challenge is to build systems that enable users to share and reuse their experiences. In this thesis, we are interested in the general problem of contextual recommendations for specific web applications in a particular context: complex tasks, huge amount of data, various types of users (from novice to professional), etc. We focus on providing user assistance which takes into account the context and the dynamics of users’ tasks. We seek to provide dynamic recommendations that are enriched by new experiences over time. To provide these dynamic recommendations, we make use of Trace-Based Reasoning (TBR). TBR is a recent artificial intelligence paradigm that draws its inspiration from Case-Based Reasoning. In TBR, interaction traces act as an important knowledge container. They help to understand users’ behaviors and their activities. Therefore, they reflect the context of the activity. Traces can feed an experience-based assistant with the adequate and appropriate knowledge. In this thesis, we introduce a state of the art about dynamic assistance systems and the general concepts of Trace-Based Systems. In order to provide experience-based assistance, we have made several contributions. First, we propose a formal representation of modeled traces and a description of the processes involved in their manipulation. Notably, we define a method for computing similarity measures for comparing modeled traces. These proposals have been implemented in a framework named TStore for the storage, transformation, management, and reuse of modeled traces. Next, we describe a trace replay mechanism enabling users to go back to a particular state of the application. This mechanism supports impact propagation of changes during the replay process. Last, we define a recommendation approach based on interaction traces. The recommendation engine is fed by interaction traces left by previous users of the application and stored in a manager, such as TStore. This approach facilitates knowledge sharing between communities of users and relies, among other things, on the similarity measures mentioned above. We have validated our theoretical contributions on two different web applications: SAP BusinessObjects Explorer for data reporting and Wanaclip for generating video clips. The trace replay mechanism is demonstrated in SAP BusinessObjects. Trace-Based Reasoning recommendations are illustrated with Wanaclip to guide users in both video selection, and the actions to perform in order to make quality video clips. In the last part of this manuscript, we measure the performances of TStore and the quality of recommendations and similarity measures implemented in TStore. We also discuss the results of the survey that the users of Wanaclip answered in order to measure their satisfaction. Our evaluations show that our approach offers satisfactory recommendations and good response time.

Afin d'accompagner les professionnels de santé dans leur démarche clinique, plusieurs systèmes de suivi et deprise en charge médicale ont été construits et déployés dans le milieu hospitalier. Ces systèmes permettentprincipalement de collecter des données médicales sur les patients, de les analyser et de présenter les résultats dedifférentes manières. Ils représentent un appui et une aide aux professionnels de santé dans leur prise de décisionpar rapport à l'évolution de l'état de santé des patients suivis. L'utilisation de tels systèmes nécessitesystématiquement une adaptation à la fois au domaine médical concerné et au mode d'intervention. Il estnécessaire, dans un milieu hospitalier, que ces systèmes puissent s'adapter et évoluer d'une manière simple, enlimitant toute maintenance corrective ou évolutive. Ils doivent être en mesure de prendre en compte dynamiquementdes connaissances théoriques et empiriques du domaine issues des experts médicaux.Afin de répondre à ces exigences, nous avons proposé une approche pour la construction d'un système d'aide à ladécision médicale capable de s'adapter au domaine médical concerné et au mode d'intervention approprié pourassister les professionnels de santé dans leur démarche clinique. Cette approche permet notamment l'organisationde la collecte des données médicales, en tenant compte du contexte du patient, la représentation desconnaissances du domaine à base d'ontologies ainsi que leur exploitation associée aux guides de bonnes pratiqueset à l'expérience clinique.Dans la continuité des travaux précédemment réalisés au sein de notre équipe de recherche, nous avons choisid'enrichir, avec notre approche, la plateforme E-care qui est dédiée au suivi et à la détection précoce de touteanomalie de l'état de patients atteints de maladies chroniques. Nous avons pu ainsi adapter facilement la plateformeE-care aux différentes expérimentations qui sont été menées notamment dans des EPHAD de la MutualitéFrançaise en Anjou-Mayenne, au CHU de Hautepierre et au CHUV à Lausanne.Les résultats de ces expérimentations ont montré l'efficacité de l'approche proposée. L'adaptation de la plateformepar rapport au domaine et au mode d'intervention de chacune de ces expérimentations se limite à de la simpleconfiguration. De plus, l'approche proposée a suscité l'intérêt du personnel médical par rapport à l'organisation de lacollecte des données, qui tient compte du contexte du patient, et par rapport à l'exploitation des connaissancesmédicales qui apporte aux professionnels de santé une assistance pour une meilleure prise de décision. / To support health professionals in their clinical processes, several monitoring and medical care systems have beenbuilt and deployed in the hospital setting. These systems are mainly used to collect medical data on patients,analyze and present the outcomes in different ways. They represent support and assistance to health professionalsin their decision making regarding the evolution in the health status of the patients followed. The use of suchsystems always requires an adaptation to both the medical field and the mode of intervention. It is necessary, in ahospital setting, to adapt and evolve these systems in a simple manner, limiting any corrective or evolutionarymaintenance. Moreover, these systems should be able to consider dynamically the domain knowledge from medicalexperts.To meet these requirements, we proposed an approach for the construction of a medical decision support system(MDSS). This MDSS can adapt to the medical field and to the appropriate mode of intervention to assist healthprofessionals in their clinical processes. This approach allows especially the organization of the medical datacollection by taking into account the patient¿s context, the ontology-based knowledge representation of the domainand permits the exploitation of the medical guidelines and the clinical experience.In continuity of our research team¿s previous work, we chose to expand with our approach, the E-care platformwhich is dedicated to monitoring and early detection of any abnormality of the health status of patients with chronicdiseases. We were able to adapt easily the E-care platform for the various experiments that have been conducted,including EPHAD of the Mutualité Française in Anjou-Mayenne, Hautepierre hospital and Lausanne hospital(CHUV).The outcomes of these experiments have shown the effectiveness of the proposed approach. Where, the adaptationof the platform regarding to the domain and mode of intervention of each of these experiments is limited to thesimple configuration. Furthermore, the proposed approach has attracted the interest of the medical staff regardingthe organization of the medical data collection, and the exploitation of the medical knowledge which bringsassistance to the health professionals for better decision making.

L'idée générale de cette thèse est d'évaluer la plausibilité cognitive de modèles de raisonnement couramment utilisés en Intelligence Artificielle en les mettant en correspondance avec le raisonnement humain, ceci dans des situations de supervision de systèmes dynamiques. Pour cela, un micro-monde lié au domaine de la physique hydraulique est utilisé. Il s'agit donc en premier lieu de développer des opérateurs artificiels capables de superviser ce processus, chacun dans un "style cognitif" spécifique. Trois types d'agents ont ainsi été mis au point, basés sur le raisonnement qualitatif, la classification à partir d'exemples, et le raisonnement à base de cas. La seconde phase consiste à comparer les séquences d'actions correspondant aux raisonnements d'un opérateur humain et d'un agent artificiel durant la tâche de supervision, notamment par l'intermédiaire de la découverte des intentions associées aux actions, puis à définir une coopération entre ces trois modes fondamentaux de raisonnement.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Le cancer du sein est le cancer le plus répandu chez les femmes de plus de 40 ans. En effet, des études ont montré qu'une détection précoce et un traitement approprié du cancer du sein augmentent de manière significative les chances de survie. La mammographie constitue le moyen d'investigation le plus utilisé dans le diagnostic des lésions mammaires. Cependant, cette technique peut être insuffisante pour montrer les structures du sein et faire apparaître les anomalies présentes et le médecin peut faire appel à d'autres modalités d'imagerie telle que l'imagerie IRM. Ces modalités sont généralement complémentaires. Par conséquent, le médecin procède à une fusion mentale des différentes informations sur les deux images dans le but d'effectuer le diagnostic adéquat. Pour assister le médecin et l'aider dans ce processus, nous proposons une solution permettant de fusionner les deux images. Bien que l'idée de la fusion paraisse simple, sa mise en oeuvre pose de nombreux problèmes liés non seulement au problème de fusion en général mais aussi à la nature des images médicales qui sont généralement des images mal contrastées et présentant des données hétérogènes, imprécises et ambigües. Notons que les images mammographiques et les images IRM présentent des représentations très différentes des informations, étant donnée qu'elles sont prises dans des conditions distinctes. Ce qui nous amène à poser la question suivante: Comment passer de la représentation hétérogène des informations dans l'espace image, à un autre espace de représentation uniforme. Afin de traiter cette problématique, nous optons pour une approche de traitement multi-niveaux : niveau pixel, niveau primitives, niveau objet et niveau scène. Nous modélisons les objets pathologiques extraits des différentes images par des ontologies locales. La fusion est ensuite effectuée sur ces ontologies locales et résulte en une ontologie globale contenant les différentes connaissances sur les objets pathologiques du cas étudié. Cette ontologie globale sert à instancier une ontologie de référence modélisant les connaissances du diagnostic médical des lésions mammaires. Un raisonnement à base de cas est exploité pour fournir les rapports diagnostic des cas les plus similaires pouvant aider le médecin à prendre la meilleure décision. Dans le but de modéliser l'imperfection des informations traitées, nous utilisons la théorie des possibilités avec les différentes ontologies. Le résultat fourni est présenté sous forme de rapports diagnostic comportant les cas les plus similaires au cas étudié avec des degrés de similarité exprimés en mesures de possibilité. Un modèle virtuel 3D complète le rapport diagnostic par un aperçu simplifié de la scène étudiée. / The breast cancer is the most prevalent cancer among women over 40 years old. Indeed, studies evinced that an early detection and an appropriate treatment of breast cancer increases significantly the chances of survival. The mammography is the most tool used in the diagnosis of breast lesions. However, this technique may be insufficient to evince the structures of the breast and reveal the anomalies present. The doctor can use additional imaging modalities such as MRI (Magnetic Reasoning Image). Therefore, the doctor proceeds to a mental fusion of the different information on the two images in order to make the adequate diagnosis. To assist the doctor in this process, we propose a solution to merge the two images. Although the idea of the fusion seems simple, its implementation poses many problems not only related to the paradigm of fusion in general but also to the nature of medical images that are generally poorly contrasted images, and presenting heterogeneous, inaccurate and ambiguous data. Mammography images and IRM images present very different information representations, since they are taken under different conditions. Which leads us to pose the following question: How to pass from the heterogeneous representation of information in the image space, to another space of uniform representation from the two modalities? In order to treat this problem, we opt a multilevel processing approach : the pixel level, the primitive level, the object level and the scene level. We model the pathological objects extracted from the different images by local ontologies. The fusion is then performed on these local ontologies and results in a global ontology containing the different knowledge on the pathological objects of the studied case. This global ontology serves to instantiate a reference ontology modeling knowledge of the medical diagnosis of breast lesions. Case-based reasoning (CBR) is used to provide the diagnostic reports of the most similar cases that can help the doctor to make the best decision. In order to model the imperfection of the treated information, we use the possibility theory with the ontologies. The final result is a diagnostic reports containing the most similar cases to the studied case with similarity degrees expressed with possibility measures. A 3D symbolic model complete the diagnostic report with a simplified overview of the studied scene.