Représentation explicable du comportement de systèmes complexes : automates pour les séries temporelles multivariées - IMT Atlantique - Département logique des usages, sciences sociales et de l'Information Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Représentation explicable du comportement de systèmes complexes : automates pour les séries temporelles multivariées

Résumé

La compréhension des états de systèmes complexes représentés par des séries temporelles peut être une tâche ardue, notamment à cause des changements permanents des événements contextuels internes et externes aux systèmes. Pour faire face à ce défi, nous proposons la méthode XR-CSB (eXplainable Representation of Complex System Behavior) dont l'objectif est de représenter l'évolution de tels systèmes d'une manière intelligible et explicable reposant sur : (i) un clustering vertical afin de détecter les états du système, (ii) une représentation visuelle explicable utilisant des automates dépliés, (iii) une pré-modélisation explicable fondée sur des métriques explicatives. Quatre représentations, évaluées par des experts du domaine applicatif de notre travail, montrent que XR-CSB passe à l'échelle et répond à leurs attentes en termes d'explicabilité et d'intelligibilité.
Fichier principal
Vignette du fichier
APIA_VF_6Pages_PFIA2022_LearnIA (1).pdf (541.5 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03811733 , version 1 (12-10-2022)

Identifiants

  • HAL Id : hal-03811733 , version 1

Citer

Ikram Chraibi Kaadoud, Lina Fahed, Tian Tian, Yannis Haralambous, Philippe Lenca. Représentation explicable du comportement de systèmes complexes : automates pour les séries temporelles multivariées. 7ème Conférence Nationale sur les Applications Pratiques de l’Intelligence Artificielle APIA @ PFIA 2022, Jun 2022, Saint-Etienne, France. ⟨hal-03811733⟩
51 Consultations
41 Téléchargements

Partager

Gmail Facebook X LinkedIn More