BULLETIN DE L’AFIA · Présentation du bulletin Comité de Rédaction Le Bulletin de l’Association Française pour l’Intelligence Artiﬁcielle vise à fournir un cadre de discussions

BULLETIN

DE

L’AFIA

JANVIER 2010

NO 69

Association Française pour l’Intelligence Artificielle

Présentation du bulletin Comité de Rédaction

Le Bulletin de l’Association Française pour l’Intelligence Artificielle vise à fournirun cadre de discussions et d’échanges au sein de la communauté universitaire et in-dustrielle. Ainsi, toutes les contributions, pour peu qu’elles aient un intérêt généralpour l’ensemble des lecteurs, sont les bienvenues. En particulier, les annonces, lescomptes rendus de conférences, les notes de lecture et les articles de débat sont trèsrecherchés. Le Bulletin de l’AFIA publie également des dossiers plus substantiels surdifférents thèmes liés à l’IA. Le comité de rédaction se réserve le droit de ne pas pu-blier des contributions qu’il jugerait contraire à l’esprit du bulletin ou à sa politiqueéditoriale. En outre, les articles signés, de même que les contributions aux débats,reflètent le point de vue de leurs auteurs et n’engagent qu’eux-mêmes.

Pour contacter l’AFIAPrésidentMichèle SEBAGL.R.I., Bât. 490, Université Paris-Sud,91405 ORSAYTel : +33 (0)1 69 15 76 02Fax : +33 (0)1 69 15 65 [email protected]://www.lri.fr/~sebag

Contributions au bulletinPhilippe MORIGNOTvoir ci-contre

Serveur WEBhttp://www.afia-france.org

Adhésions, liens avec les adhérentsMarie-Carol LOPESLRI, Bâtiment 490Université Paris-Sud91405 ORSAYMél. : [email protected]

Membres d’honneurMarie-Odile Cordier (1999), Jean-Paul Haton (1999), Jacques Pitrat (1999),Jean-Marc David (2000), Daniel Kayser (2000), Claude Vogel (2000), Henri

Farreny (2001), Alain Colmerauer (2002), Jean-Louis Laurière (2002), GérardSabah (2003), Jean-Claude Latombe (2004), Yves Kodratoff (2004), Malik

Ghallab (2005), Marie-Christine Rousset (2005), Christian Bessière (2006), LuisFarinas del Cerro (2006), Pierre Marquis (2009), Jérôme Lang (2009).

Personnes morales adhérentes à l’AFIAINRIA Sophia-Antipolis, SWETS, Université Paris 9 - Dauphine, LSTI, Keonys.

Bureau de l’AFIA

Michèle Sebag, présidentEunika Mercier-Laurent, vice-présidentOlivier Boissier, secrétaireMarie-Carol Lopes, trésorierComité :Patrick ALBERT, Frédéric ALEXANDRE, Flavien BALBO, Olivier BOISSIER, Ni-colas BRODU, Vincent CORRUBLE, Serge DUPUY, Vincent LEMAIRE, EunikaMERCIER-LAURENT, Philippe MORIGNOT, Jean-Denis MULLER, Gérald PETIT-JEAN, Anne-Laurence PUTZ, Marc SCHOENAUER, Michèle SEBAG.

Philippe MorignotRédacteur en chefCEA-LIST18, route du panorama, B.P. 6,F-92265 [email protected]

Brigitte GrauRubrique « Sommaire des re-vues »LIMSI - CNRSB.P. 133, 91403 ORSAY [email protected]

Marc-Philippe HugetRubrique « Petites an-nonces »Polytech’Savoie-LISTICUniversité de Savoie, B.P.80439, 74944 [email protected]

Nicolas LachicheRubrique « Résumés de thèseet HDR »LSIIT - UMR7005Pôle API, Bd. Sébastien Brant,B.P. 10413, 64712 Illkirch [email protected]

Nicole TourignyRubrique « I.A. au Québec »LSI-ERICAEUniversité Laval, Québec, [email protected]

BULLETIN DE L’AFIA2 numéro 69 — Janvier 2010

mailto:[email protected]

http://www.lri.fr/~sebag

http://www.afia-france.org








ED

ITO

RIA

L Le nouveau Bureau

Le résultat des élections au Bureau ont été dévoilées le 9 octobre dernier, lors de la dernière AssembléeGénérale. De nombreuses candidatures étaient à départager par vote, et nous saluons les nouveaux arrivantsélus : Patrick Albert (IBM), Frédéric Alexandre (INRIA-CNRS Loria), Flavien Balbo (LAMSADE et INRETS),Nicolas Brodu (Rennes-1 LTSI), Vincent Corruble (LIP6) et Anne-Laurence Putz (EURODECISION).

Que soient ici remerciés ceux qui arrivent en fin de mandat, et qui nous ont tant aidé durant toutes cesannées : Jacques Blanc-Talon (DGA), Gilles Bisson (TIMC-IMAG), Amal El Fallah (LIP6), Emmanuel Guéré(IBM), Marc-Philippe Huget (LISTIC-ESIA), Nicolas Lachiche (LSIIT), Jérémie Mary (Université de Lille), Jean-François Perrot (LIP6), Patrick Saint-Jean (LOGICA), Fabien Torre (INRIA) et Samuel Wieczorek (CEA-DSV).Souhaitons leur bonne chance pour la suite de leurs aventures !

Ce numéro contient les rubriques auxquelles nos lecteurs sont désormais habitués : les résumés de thèse etd’HDR, ainsi que le sommaire des revues que nous offre Brigite Grau (LIMSI).

Zahia Guessoum (LIP6 et CReSTIC) et Salima Hassas (LIESP) nous proposent un compte-rendu des JournéesFrancophones sur les SMA, qui se sont tenues à Lyon du 19 au 21 octobre derniers. En plus, Zahia Guessoumnous offre aussi une synthèse des groupes de travail du collège Systèmes Multi-Agents de l’AFIA.

La journée “Vingt ans d’I.A.”, tenue le 9 octobre dernier à l’Université Paris 5, a accueilli des orateurs presti-gieux. A cette occasion, le jury du prix de thèse AFIA 2009, présidé par Pierre Marquis (CRIL-CNRS / Universitéd’Artois) a remis le premier prix à Sylvain Lamprier (Université d’Angers), dont nous publions le résumé. Lestransparents de tous les exposés de cette journée se trouvent sur le PortAI à l’URL :


Enfin, si vous, cher lecteur, avez un texte dont vous pensez qu’il pourrait intéresser la communauté françaised’I.A. (hors articles scientifiques, publiés dans d’autres forums), n’hésitez surtout pas à nous le faire parvenir :nous serions ravi de le publier et de le diffuser ainsi en une fois à tous nos lecteurs. Ainsi sont les bienvenus :recensions de livre, comptes-rendus de conférence, présentation de votre laboratoire, rapports sur vos acti-vités (habituellement remis à vos financeurs ou à vos évaluateurs), point de vue fort dont vous souhaiterieztester l’audience, etc.

Philippe MorignotRédacteur en chef du Bulletin de l’AFIA

BULLETIN DE L’AFIA

numéro 69 — Janvier 2010 3


PRÉSENTATION DE LABORATOIRES

Présentation de laboratoires dans le bulletinde l’AFIA

LIFIA, Grenoble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°1LRI, Orsay . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°1Service Systèmes Experts, Renault . . . . . . . . . . . . . . . . . . . . Bulletin n°1CEDIAG, . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°2CERT, ONERA, Toulouse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°2IRIT, Toulouse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°2LAAS, Toulouse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°2HEUDIASYC, UTC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°3IFP, Rueil Malmaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°3DIAM, INSERM U194 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°3Lab. Math. Info., Fac Médecine de Marseille . . . . . . . . . . Bulletin n°4GMD, St. Augustin (RFA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Bulletin n°4ONERA, Chatillon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°4KSL, Université de Stanford (USA) . . . . . . . . . . . . . . . . . . . . .Bulletin n°5Dépt Applications de l’IA au CNET, Lannion . . . . . . . . . . Bulletin n°5LAFORIA, Univ. Pierre et Marie Curie . . . . . . . . . . . . . . . . . Bulletin n°6L’institut FAW, ULM (RFA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°6Institut IIIA, Compiègne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°6LAIR, OHIO State University (USA) . . . . . . . . . . . . . . . . . . . . Bulletin n°7ARAMIIHS, Labo mixte MATRA-CNRS, . . . . . . . . . . . . . . . Bulletin n°7CEA, Service SERMA, Saclay . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°8Société ILOG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°8LAIAC, Université de Caen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Bulletin n°9Institut Français du Pétrole . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°10DFKI (Centre allemand de recherches en IA) . . . . . . . . Bulletin n°11GRTC, Marseille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°11Inst. d’Analyse des Systèmes, Ac. Russe . . . . . . . . . . . . . . Bulletin n°12Georges Mason Univ., Center for AI (USA) . . . . . . . . . . . Bulletin n°13IRISA, INRIA et Université de Rennes . . . . . . . . . . . . . . . . Bulletin n°13Société INGENIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°14LIPN, Université de Paris Nord . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°14Institut EURISCO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°15LRDC, Université de Pittsburgh (USA) . . . . . . . . . . . . . . . Bulletin n°15Société ISOFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°16Dépt. d’Info de l’Université d’Ottawa . . . . . . . . . . . . . . . . Bulletin n°16Equipe CHM, Université du Colorado (USA) . . . . . . . . .Bulletin n°17LIRMM, Montpellier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°19Institut autrichien de recherches en I.A. . . . . . . . . . . . . . Bulletin n°20ENST Bretagne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°21LIA - Université de Savoie . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°22

INRETS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°23IRIN Nantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°24CRIN - INRIA Lorraine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°25DIRO - Université de Montréal . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°26IRIT - Toulouse (1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Bulletin n°28IRIT - Toulouse (2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Bulletin n°29LAAS - Toulouse (1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Bulletin n°30Sony CSL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°31LAAS - Toulouse (2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Bulletin n°32LIMSI - Département CHM . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°33LAMSADE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°34Institut autrichien de recherches en I.A. . . . . . . . . . . . . . Bulletin n°36LIP6 - Université Pierre et Marie Curie . . . . . . . . . . Bulletins n°37/38GREYC - Université de Caen . . . . . . . . . . . . . . . . . . . . . . . . . .Bulletin n°40LIFL - Université de Lille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°41LRI (équipes IA et IASI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°43IMAG - Grenoble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°44PSI (Perception, Système, Information - Rouen) . . . . . Bulletin n°45INRIA - Sophia Antipolis . . . . . . . . . . . . . . . . . . . . . . . . .Bulletins n°46/47LIH - Laboratoire d’Informatique du Havre . . . . . Bulletins n°46/47Tech-CICO - Université de Technologie de Troyes . . . Bulletin n°51LIFO - Université d’Orléans - Equipe Contraintes et ApprentissageBulletin n°52LIIA - Ecole Nationale des Arts et Industries de Strasbourg Bulletinn°52LRL - Laboratoire de recherche sur le langage - Université BlaisePascal Clermont 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°53MIG - Mathématique, Informatique et Génome - INRA . . .Bulletinn°53ESIEA Recherche, Laval et Paris . . . . . . . . . . . . . . . . . . . . . . Bulletin n°54Equipe Intelligence Artificielle et Applications (IAA) du Crip5, Pa-ris 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°55LAMIH - Univ. de Valenciennes et du Hainaut-Cambrésis Bulletinn°55Université de Lund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°58CRIL - Centre de Recherche en Informatique de Lens - Universitéd’Artois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°58LIRIS - Laboratoire d’Informatique en Image et Systèmes d’Infor-mation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bulletin n°60KIN - Knowledge Innovation Center . . . . . . . . . . . . . . . . . Bulletin n°60


RÉSUMÉS DE THÈSES ET D’HDR

Résumés de thèses et d’HDR

Extraction de connaissances d’adaptation enraisonnement à partir de cas

Fadi BadraThèse de Doctorat

Soutenue le 20 novembre 2009, au LORIA à Nancy.

Jury : Maguelonne Teisseire : Directeur de recherche,Cemagref Montpellier ; Marie-Christine Jaulent : Directeurde recherche, INSERM Paris ; Alain Mille : Professeur Uni-versité Claude Bernard Lyon 1, LIRIS Lyon ; Bernard Gi-rau : Professeur Université Henri Poincaré Nancy 1, LO-RIA Nancy ; Jean Lieber : Maître de conférences, UniversitéHenri Poincaré Nancy 1, LORIA Nancy ; Amedeo Napoli, Di-recteur de recherche CNRS, LORIA Nancy

Résumé : Cette thèse se situe à l’intersection de trois do-maines de recherche : le raisonnement à partir de cas, l’ex-traction de connaissances et la représentation des connais-sances. Raisonner à partir de cas consiste à résoudre unnouveau problème en utilisant un ensemble de problèmesdéjà résolus. Nous montrons comment des techniques d’ex-traction de connaissances peuvent être utilisées en rai-sonnement à partir de cas pour acquérir des connais-sances d’adaptation à partir de la base de cas. Pour cela,un processus d’extraction de connaissances, appelé Caba-makA, est mis au point. Ce processus permet d’apprendredes connaissances d’adaptation par généralisation à partird’une représentation des variations entre cas. Une discus-sion est menée sur les conditions d’opérationnalisation deCabamakA au sein d’un processus d’acquisition de connais-sances. L’étude aboutit à la proposition d’un nouveau typed’approche pour l’acquisition de connaissances d’adap-tation dans lequel le processus d’extraction de connais-sances est déclenché de manière opportuniste et interac-tive au cours d’une session particulière de résolution deproblèmes. Les différents concepts introduits dans la thèsesont illustrés dans le domaine culinaire à travers leur appli-cation au système de raisonnement à partir de cas Taaable,qui constitue le contexte applicatif de l’étude.

Mots-clés : raisonnement à partir de cas, acquisition deconnaissances d’adaptation, représentation des connais-sances, extraction de connaissances.

Modélisation de la fiabilité et de la maintenance parmodèles graphiques probabilistes - Application à la

prévention des ruptures de rails

Roland DonatThèse de Doctorat

Soutenue le 30 novembre 2009, à l’INRETS àMarne-la-Vallée.

Jury : Alexandre Aussem : Professeur des Universités,UCBL Lyon 1 (Rapporteur) ; Christophe Bérenguer : Profes-seur des Universités, UTT (Rapporteur) ; Gilles Celeux : Di-recteur de Recherche, INRIA (Président du jury) ; SandrineBondeux : Responsable de Recherche, RATP (Examinateur) ;Laurent Bouillaut : Chargé de Recherche, INRETS (Exami-nateur) ; Philippe Leray : Professeur des Universités, Polyte-ch’ Nantes (Directeur de thèse) ; Patrice Aknin : Directeur deRecherche, INRETS (Directeur de thèse).

Résumé : Les réseaux ferroviaires sont sujets à des dé-gradations de leur voie qui impactent directement le serviceoffert aux voyageurs. Des politiques de maintenance sontdonc déployées pour en limiter les effets sur la qualité etla disponibilité du réseau. Cette thèse propose une modéli-sation générique de ces politiques reposant sur la fiabilité,et ce, à partir du seul formalisme des Modèles GraphiquesProbabilistes (MGP).

Nous abordons dans un premier temps la probléma-tique générale de la représentation d’un processus dyna-mique dans le cadre des MGP Markoviens (MGPM). Ceformalisme intuitif, aux capacités de modélisation éten-dues, est bien adapté pour décrire formellement les rela-tions de dépendance entre les différents composants d’unsystème complexe évoluant au cours du temps. Nous met-tons en évidence le fait qu’en pratique, les MGPM sont ac-tuellement essentiellement utilisés pour modéliser les as-pects dynamiques d’un système sous forme de chaînes deMarkov. Cette démarche se traduit nécessairement par destemps de séjour dans chacun des états du système distri-bués selon des lois géométriques. Or, cette hypothèse estpeu réaliste dans bon nombre d’applications. Nous mon-trons qu’il est possible de dépasser cette limitation en uti-lisant une structure de MGPM particulière que nous ap-pelons "Modèle Graphique de Durée" (MGD). Au lieu demodéliser les transitions de la seule variable d’état, cettestructure traite directement le couple (état, temps de sé-jour). Une description complète de ses propriétés probabi-listes est présentée, mettant en évidence son intérêt pour lamodélisation de systèmes possédant une dynamique d’évo-




lution semi-markovienne.

Par la suite, nous proposons un modèle graphique demaintenance reposant sur la fiabilité du système étudié.Nous supposons pour cela l’existence d’un MGPM repré-sentant la dégradation du système considéré, par exempleà l’aide de chaînes de Markov ou de MGD. La politique desurveillance et de maintenance est ensuite formalisée dansle modèle VirMaLab de l’INRETS et enrichi pour les besoinsde l’étude, du fait de sa flexibilité et de son caractère géné-rique. Ce modèle flexible et générique permet en effet deprendre en compte :

– un nombre quelconque d’appareils de diagnos-tic indépendants ayant chacun leurs caractéris-tiques propres (période d’inspection, taux de faussesalarmes...) ;

– la possibilité d’activer périodiquement un ou plu-sieurs appareils de diagnostic ;

– une politique d’action de maintenance dépendantdes informations issues des diagnostics.

De nombreuses politiques de maintenance peuventêtre ainsi représentées à partir de ce modèle, depuis lespolitiques de maintenance de type curative, jusqu’aux po-litiques préventives conditionnelles qui déclenchent uneopération de maintenance au-delà du franchissement d’unseuil de dégradation repéré par les outils de diagnostic.Cette approche offre également la possibilité d’intégrertoute sorte de considérations économiques sous formed’utilités, autorisant ainsi la comparaison de différentespolitiques de maintenance.

Pour finir, nous appliquons notre méthodologie au casparticulier de la maintenance de l’infrastructure ferroviairedans le cadre d’une étude de prévention des ruptures de railsur le réseau Réseau Express Régional (RER) de la RATP. Uneétude évaluant l’impact de différentes politiques de main-tenance des rails selon différents contextes ferroviaires estprésentée. Nous détaillons en particulier l’intérêt de l’ajus-tement du cycle d’auscultation préventif des rails et de leurpériode de renouvellement de la voie de sorte à améliorerl’utilité de la politique de maintenance ainsi définie.

Mots-Clés : réseaux bayésiens dynamiques, inférence,fiabilité, maintenance prévisionnelle, ferroviaire

Fouille de représentations concises des motifs fréquentsà travers les espaces de recherche conjonctif et disjonctif

Tarek HamrouniThèse de Doctorat

Soutenue le 4 août 2009, à la Faculté des Sciences deTunis, université de Tunis El Manar.

Jury : Pr. Habib OUNELLI (Président-rapporteur),Université Tunis El Manar, Tunisie ; Pr. Marzena KRYSZ-KIEWICZ (rapportrice), Université de Warsaw, Pologne ;Pr. Salem BEN FARHAT(Examinateur), Université d’Artois,France ; Dr. HDR. Sadok BEN YAHIA (Examinateur), Uni-versité Tunis El Manar, Tunisie ; Pr. Khaled BSAIES (co-directeur), Université Tunis El Manar, Tunisie ; Pr. EngelbertMEPHU NGUIFO (co-directeur), Université Blaise Pascal,France.

Résumé : Durant ces dernières années, les quantitésde données collectées, dans divers domaines d’applicationde l’informatique, deviennent de plus en plus importantes.Cela suscite le besoin d’analyser et d’interpréter ces don-nées afin d’en extraire des connaissances utiles. Dans cettesituation, le processus d’Extraction de Connaissances à par-tir des Données est un processus complet visant à extrairedes connaissances cachées, nouvelles et potentiellementutiles à partir de grands volumes de données. Parmi cesétapes, la fouille de données offre les outils et techniquespermettant une telle extraction. Plusieurs travaux de re-cherche en fouille de données concernent la découverte desrègles d’association, permettant d’identifier des liens entreensembles de descripteurs (ou attributs ou items) décri-vant un ensemble d’objets (ou individus ou transactions).Les règles d’association ont montré leur utilité dans plu-sieurs domaines d’application tels que la gestion de la re-lation client en grande distribution (analyse du panier dela ménagère pour déterminer les produits souvent achetéssimultanément, et agencer les rayons et organiser les pro-motions en conséquence), la biologie moléculaire (analysedes associations entre gènes), etc.

De manière générale, la construction des règles d’as-sociation s’effectue en deux étapes : l’extraction des en-sembles d’items (ou itemsets) fréquents, puis la générationdes règles d’association à partir de des itemsets fréquents.Dans la pratique, le nombre de motifs (itemsets fréquentsou règles d’associations) extraits ou générés, peut être trèsélevé, ce qui rend difficile leur exploitation pertinente parles utilisateurs. Pour pallier ce problème, certains travauxde recherche proposent l’usage d’un noyau de motifs, ap-pelés représentations concises, à partir desquels les motifsredondants peuvent être régénérés. Le but de telles repré-sentations est de condenser les motifs extraits tout en pré-servant autant que possible les informations cachées et in-téressantes sur des données.

Dans la littérature, beaucoup de représentationsconcises des motifs fréquents ont été proposées, explo-rant principalement l’espace de recherche conjonctif. Danscet espace, les itemsets sont caractérisés par la fréquencede leur co-occurrence. Ceci fait l’objet de la première par-tie de ce travail. Une étude détaillée proposée dans cette



thèse prouve que les itemsets fermés et les générateurs mi-nimaux sont un moyen de représenter avec concision lesitemsets fréquents et les règles d’association. Les itemsetsfermés structurent l’espace de recherche dans des classesd’équivalence tels que chaque classe regroupe les itemsetsapparaissant dans le même sous-ensemble (appelé aussiobjets ou transactions) des données. Un itemset fermé in-clut l’expression la plus spécifique décrivant les transac-tions associées, alors qu’un générateur minimal inclut unedes expressions les plus générales. Cependant, une redon-dance combinatoire intra-classe résulte logiquement del’absence inhérente d’un seul générateur minimal associé àun itemset fermé donné. Ceci nous a motivé à effectuer uneétude approfondie visant à maintenir seulement les géné-rateurs minimaux irréductibles dans chaque classe d’équi-valence, et d’élaguer les autres. À cet égard, il est proposéune réduction sans perte d’information de l’ensemble desgénérateurs minimaux grâce à un nouveau processus basésur la substitution. Une étude complète des propriétés as-sociées aux familles obtenues est présentée. Les résultatsthéoriques sont ensuite étendus au cadre de règles d’asso-ciation afin de réduire autant que possible le nombre derègles maintenues sans perte d’information. Puis, est pré-sentée une étude formelle complète du mécanisme d’infé-rence permettant de dériver toutes les règles d’associationredondantes, à partir de celles maintenues. Afin de validerl’approche proposée, les algorithmes de construction deces représentations concises de motifs sont présentés ainsique les résultats des expérimentations réalisées en termede concision et de temps de calcul.

La seconde partie de ce travail est consacrée à une ex-ploration complète de l’espace de recherche disjonctif desitemsets, où ceux-ci sont caractérisés par leurs supportsdisjonctifs. Ainsi dans l’espace disjonctif, un itemset vérifieune transaction si au moins un de ses items y est présent.Les itemsets disjonctifs véhiculent ainsi une connaissanceau sujet des occurrences complémentaires d’items dans unensemble de données. Cette exploration est motivée par lefait que, dans certaines applications, une telle informationpeut être utile aux utilisateurs. Lors de l’analyse d’une sé-quence génétique par exemple, le fait d’engendrer une in-formation telle que " présence d’un gène X ou la présenced’un gène Y ou ... " présente un intérêt pour le biologiste.

Afin d’obtenir une représentation concise de l’espacede recherche disjonctif, une solution intéressante consisteà choisir un seul élément pour représenter les itemsets cou-vrant le même ensemble de données. Deux itemsets sontéquivalents si leurs items respectifs couvrent le même en-semble de données. À cet égard, un nouvel opérateur consa-cré à cette tâche, a été introduit. Dans chaque classe d’équi-valence induite, les éléments minimaux sont appelés item-

sets essentiels, alors que le plus grand élément est appeléitemset fermé disjonctif. L’opérateur présenté est alors à labase de nouvelles représentations concises des itemsets fré-quents. L’espace de recherche disjonctif est ensuite exploitépour dériver des règles d’association généralisées. Ces der-nières règles généralisent les règles classiques pour offrirégalement des connecteurs de disjonction et de négationd’items, en plus de celui conjonctif. Des outils (algorithmeet programme) dédiés ont été alors conçus et mis en ap-plication pour extraire les itemsets disjonctifs et les règlesd’association généralisées. Les résultats des expérimenta-tions effectuées ont montré l’utilité de notre exploration etont mis en valeur la concision des représentations concisesproposées.

Remémoration guidée par l’adaptation et maintenancedes systèmes de diagnostic industriel par l’approche du

raisonnement à partir de cas

Mohamed-Karim HaouchineThèse de doctorat

Soutenue le 23 septembre 2009, à l’ENSMM-UTBM.

Jury : Rapporteurs : Luc LAMONTAGNE, Professeurdes Universités, Université de Laval, Québec, (rapporteur) ;Laurent GENESTE, Professeur des Universités, Universitéde Tarbes (rapporteur) ; Belkacem OULD-BOUAMAMA,Professeur des Universités, Université de Sciences et Tech-nologies de Lille (examinateur) ; Sylvie DESPRES, Profes-seur des Universités, Université de Paris 13 (examina-teur) ; Noureddine ZERHOUNI, Professeur, ENSMM, Be-sançon (co-directeur) ; Brigitte CHEBEL-MORELLO, Maîtrede Conférences, Université de Franche-Comté, Besançon(co-directeur).

Résumé : Le développement des nouvelles technolo-gies des différents produits et composants a rendu la naturedes systèmes de plus en plus complexe. Cette complexités’est répercutée sur le bon fonctionnement des équipe-ments avec l’apparition de nouvelles pannes (par exempleles systèmes de pilotage automatique dans les voitures) etl’accroissement des coûts engendrés. La maintenance estdevenue donc un élément indispensable pour le maintienen condition opérationnelle de tout équipement quelquesoit sa nature. Dans ce contexte nous nous intéressons àla maintenance corrective et plus particulièrement au diag-nostic de pannes sur les équipements industriels. Nousavons développé une méthode basée sur le raisonnementà partir de cas (RàPC), méthode largement employée dansle domaine du diagnostic industriel.

Le RàPC est une approche de résolution de problèmeset d’apprentissage, réutilisant les solutions des problèmessimilaires stockés dans sa mémoire, appelée : base de cas.




Dans le domaine du diagnostic, une large variété de sys-tèmes de RàPC ont fait leur preuve, systèmes allant de pro-blèmes de classification (lorsque la connaissance du do-maine est inexistante) aux systèmes à base de connais-sance. Nous développons dans cette thèse ces deux types desystème, à savoir : les systèmes orientés " extraction " (case-base mining) et les systèmes orientés " connaissance ".

Nous avons déployé dans le premier type de système,où la formalisation du cas est triviale, une phase de main-tenance associée à une étape d’auto incrémentation de labase de cas afin de garantir la qualité du système tout aulong de son évolution. La maintenance de l’ensemble passepar la maintenance de la base de cas qui représente le coeurde ces systèmes de RàPC. Pour l’optimisation et la structu-ration de cette base de cas, nous avons fait évoluer le mo-dèle de compétence de Smyth en l’associant à la perfor-mance de la base de cas. Partant des critères de qualité misen place par nos soins en maintenance, nous développonsun algorithme d’auto incrémentation de cette base préser-vant sa structure.

Quant au deuxième type de système, nous avons mis enplace un système basé sur des modèles de connaissancesassocié aux différentes phases de manipulation du cyclede RàPC. Nous avons proposé une méthode de remémo-ration guidée par l’adaptation prenant appui sur deux me-sures, une de similarité et une d’adaptation, et sur un al-gorithme d’adaptation spécifique au domaine du diagnos-tic industriel. Nos propositions ont été implémentées et va-lidées sur une plateforme d’e-maintenance GaMA-Frame.Cette plateforme intègre notre module de diagnostic par leRàPC ainsi que les différents modèles de connaissance liéà l’équipement à diagnostiquer SISTRE (Supervised Indus-trial System of pallets TRansfEr).

Mots-clés : diagnostic, raisonnement à partir de cas,management des connaissances, maintenance des sys-tèmes de raisonnement à partir de cas, apprentissage incré-mental, modèles experts, remémoration guidée par l’adap-tation, adaptation.

Modélisation et gestion du conflit dans la théorie desfonctions de croyance

Arnaud MartinHDR

Soutenue le 23 novembre 2009, à l’ENSIETA à Brest.

Jury : Rapporteurs Alain APPRIOU, Directeur de Re-cherche, Direction Générale Scientifique, ONERA Chatillon(rapporteur) ; Thierry DENOEUX, Professeur, Heudiasyc,UMR 6599, Université Technologique de Compiègne (rap-porteur) ; Michèle ROMBAUT, Professeur, GIPSA-lab, UMR5216, Université Joseph Fourier, Grenoble (rapporteur) ;

Eloi BOSSE, Chef de section, Système d’aides à la décisionpour le C2, RDDC Valcartier, Canada (examinateur) ; Dja-mel ZIGHED, Professeur, Laboratoire ERIC, EA 3083, Uni-versité de Lyon2 (examinateur) ; Basel SOLAIMAN, Profes-seur, LaTIM, INSERM U650 TELECOM Bretagne (examina-teur) ;

Résumé : La théorie des fonctions de croyance est issuedes travaux d’Arthur Dempster (1967) sur les bornes infé-rieure et supérieure d’une famille de distributions de proba-bilités. À la suite de ces travaux, Glenn Shafer (1976) a mon-tré l’intérêt des fonctions de croyance pour la modélisationde connaissances incertaines et imprécises via deux fonc-tions : la crédibilité et la plausibilité. Une des premières rai-sons de l’utilisation de la théorie des fonctions de croyanceest certainement sa richesse en termes de modélisation desimperfections de l’information, en particulier pour la fusiond’informations.

Combiner des informations issues de plusieurs sourcesqui ne sont pas parfaites fait inévitablement apparaître unconflit entre ces sources. Le conflit dans la théorie des fonc-tions de croyance a été très discuté ces dernières années. Ladéfinition mathématique du conflit couramment employéedans ce contexte n’est cependant par représentative de ladivergence des sources d’informations. Nous reviendronsdans un premier temps sur la modélisation du conflit etsur le problème de la décision en présence de conflit. Nousprésenterons ensuite des approches originales de gestiondes informations conflictuelles lors de la combinaison desfonctions de masse. Pour finir, nous illustrerons l’utilisationdes fonctions de croyance dans le cadre d’une applicationoù le conflit à une place centrale : la caractérisation des sé-diments marins à partir d’images sonar.

Mots clés : Théorie des fonctions de croyance, gestion etmodélisation du conflit, fusion d’informations, reconnais-sance d’images sonar

Espace de conception et système d’interopérabilité, uneaide à la création et à la combinaison des

Communication Appliances

Nicolas MassonThèse de doctorat

Soutenue le 29 septembre 2009, au LRI à Orsay.

Jury : Michel Beaudouin-Lafon (directeur de thèse) ;Mountaz Hascoët (examinateur) ; Wendy Mackay (directeurde thèse) ; Jean-Claude Martin (président du jury) ; FranckPoirier (rapporteur) ; Franck Tarpin-Bernard (rapporteur).

Résumé : La communication médiatisée prend uneplace croissante dans la vie quotidienne. Le domaine del’interaction homme-machine s’est intéressé à la création



et l’étude de dispositifs de communication diffuse, à des-tination de cercles restreints de personnes (famille, amisproches). Ces travaux se sont focalisés sur des aspectsparticuliers de cette communication. Cette thèse proposeune généralisation de ces dispositifs. L’approche utilisée aconsisté à étudier les besoins des utilisateurs puis à ex-plorer l’espace de conception des dispositifs de commu-nication afin d’aboutir à un outil génératif permettant lacombinaison de ceux-ci. Tout d’abord, une étude utilisa-teur menée auprès de couples à distance a permis d’ana-lyser leurs besoins en communication médiatisée et les so-lutions technologiques permettant de les satisfaire. Ce tra-vail a mis en évidence la présence de moments propicesà une communication légère, intitulés " Moments Vides ",

qui ont été explorés plus précisement grâce au déploiementd’une sonde technologique. Puis, un espace de conceptiondes objets communicants a été caractérisé. Trois exemplesde dispositifs créés pour explorer cet espace sont présentéset suivis de recommandations pour la création de tels dis-positifs : MissU, dédié aux Moments Vides, WeMe, objet decommunication entre foyers domestiques à base de ferro-fluide, et ComBar, pour évaluer les paramètres d’identifica-tion des interlocuteurs. Enfin, une réflexion sur l’intercon-nexion de Communication Appliances hétérogènes est pro-posée, aboutissant à un système supportant cette interopé-rabilité. Ce système permet d’élargir la gamme d’utilisationde ces dispositifs et de faciliter la création de nouveaux.

Du coté des éditeurs

Voici quelques livres que nous avons reçus, pour recension. Si vous, cher lecteur, êtes intéressé de rédiger unerecension de l’un d’entre eux (et de garder ensuite le livre pour prix de votre lecture et rédaction), envoyer un email au

rédacteur en chef du Bulletin (voir page 2).– Pascal Van Hentenryck, Russel Bent. Online stochastic combinatorial optimization. MIT Press, December 2006.– Philip Husbands, Owen Holland, Michael Wheeler (eds.), The Mechanical Mind in History. MIT Press, 2008.

L’AFIA recrute

Nous recherchons une personne qui pourrait tenir la rubrique « Présentation de laboratoires » pour le Bulletin del’AFIA. Cette personne fera partie du Comité de Rédaction du Bulletin, et devra être capable de joindre des

chercheurs/enseignants/ingénieurs dans les mondes académiques ou industriels, afin de récolter une présentationde laboratoire tous les 3 mois. Toute personne intéressée est invitée à envoyer un courrier électronique au rédacteur

en chef du Bulletin (voir page 2).



PRIX DE THÈSE AFIA

Prix de thèse AFIA

LAMPRIER, Sylvain

[email protected]

http://www.info.univ-angers.fr/pub/lamprier/

Equipe Interaction, Connaissances et Langage Naturel Laboratoire d’Etude et de Recherche en Informatique d’AngersUniversité d’Angers

Directeurs : Frédéric Saubion, Tassadit Amghar, Bernard LevratVers la conception de documents composites : Extraction et organisation de l’information pertinente

Au cours de ces dernières années, le domaine de la re-cherche d’information s’est élargi à la mise en place d’ap-plications ne visant plus uniquement à aider l’utilisateurdans sa tâche de localisation des documents pertinents,mais cherchant à lui construire une réponse synthétiquepermettant de satisfaire ses besoins en information. Dansce contexte, cette thèse se concentre sur la productiond’une entité, appelée document composite, représentantun aperçu des différents types d’information que l’utilisa-teur pourra trouver, en rapport avec sa requête, dans le cor-pus interrogé. Après s’être interrogés sur le mode d’extrac-tion et de sélection des fragments de texte à faire figurerdans ce document composite, l’étude réalisée nous a fina-lement conduits à la mise en place d’un algorithme multi-objectifs, de recherche du sous-ensemble de segments thé-

matiques maximisant conjointement un critère de proxi-mité à la requête et un critère de représentativité des thé-matiques abordées par les documents considérés. Outre laconception du document composite qui est l’objectif cen-tral de cette thèse, les contributions réalisées concernent ledécoupage des documents et son évaluation, les mesuresde pertinence et de similarité des textes, l’impact que peutavoir l’individualisation des thématiques en recherche d’in-formation, le mode d’évaluation des systèmes utilisant unclustering des résultats et enfin, la prise en considérationde la requête dans les processus de clustering.

Mots-clés : Recherche d’information, document com-posite, segmentation thématique, Passage Retrieval, caté-gorisation, optimisation multi-objectif

L’AFIA recrute

Nous recherchons également une personne qui pourrait tenir la rubrique « Débats ». Cette personne fera partie duComité de Rédaction du Bulletin, et devra être capable de joindre des chercheurs/enseignants/ingénieurs travaillantsur un thème donné, pour susciter plusieurs textes, bien sûr contradictoires ou tout au moins exprimant des visions

différentes de ce même thème. Comme ci-dessus, toute personne intéressée est invitée à envoyer un courrierélectronique au rédacteur en chef du Bulletin (voir page 2).



http://www.info.univ-angers.fr/pub/lamprier/

COMPTE-RENDU DES JFSMA’09

Compte-rendu des JFSMA’09

Journées Francophones Systèmes Multi-Agents

Lyon, le 19, 20, 21 octobre 2009

Rédigé par Zahia Guessoum (LIP6, Université de Paris6 et CReSTIC, Université de Reims) et Salima Hassas (LIESP,Université Claude Bernard-Lyon 1)

Depuis 1993, les Journées Francophones sur les Sys-tèmes Multi-Agents (JFSMA) sont un moment annuel privi-légié d’échanges scientifiques entre les chercheurs franco-phones dans le domaine des Systèmes Multi-Agents (SMA)et des chercheurs issus de différents domaines scientifiques(tels que l’intelligence artificielle, les sciences humaines, lessystèmes distribués, la vie artificielle ou encore le génie lo-giciel).

La dix-septième édition des JFSMA s’est déroulée à Lyondu 19 au 21 octobre 2009 et a regroupé 80 participants.

Ces journées ont été l’occasion de faire le point sur lesdifférentes solutions aux problèmes et défis dans le do-maine du génie logiciel multi-agent. Le paradigme multi-agent connaît en effet un très vif succès chez les univer-sitaires et les industriels à qui il laisse entrevoir la possi-bilité de disposer d’outils de conception/implémentationflexibles et adaptatifs. De nombreux SMA opérationnels ontainsi vu le jour. Les architectures logicielles découlant desmodèles sont nombreuses et variées. Les systèmes résul-tants sont souvent dédiés à leurs applications. Or un facteurqui déterminera la rapidité de diffusion industrielle et com-merciale des SMA est la facilité avec laquelle ces nouveauxenvironnements complexes pourront être développés. Ledéveloppement de méthodes et outils pour la conceptionet le déploiement de SMA fiables constituent en effet un en-jeu majeur pour les chercheurs. De ce fait, le thème de gé-

nie logiciel multi-agent, s’est beaucoup développé ces der-nières années. Son objectif principal est de développer desmodèles, des méthodes et des outils qui facilitent le déve-loppement et la maintenance d’applications multi-agentsfiables.

Le programme constitué de 12 présentations longues et8 présentations courtes sur les 53 propositions soumises apermis de faire un tour d’horizon de la production des dif-férents laboratoires francophones sur cette problématique.Trois conférenciers invités ont apporté également un éclai-rage particulier :

– Guillaume Beslon (LIRIS-INSA de Lyon et InstitutRhône-Alpin des Systèmes Complexes IXXI) : mo-délisation individu-centré pour la découverte deconnaissances en biologie,

– Pablo Noriega (Artificial Intelligence Research Insti-tute) : Building Coordination artifacts

– Juan Pavón (l’équipe génie logiciel multi-agent de"Universidad Complutense Madrid : Modèles ettransformations pour le développement des systèmesmulti-agents

Le prix du meilleur papier attribué par l’AFIA a été dé-cerné à Shadi Abras, Sylvie Pesty, Stephane Ploix et Mi-reille.Jacomino. Apport d’une approche Multi-Agents pourla résolution d’un problème de gestion de l’énergie dansl’habitat.



DOSSIER I.A. ET SMA

Dossier : les Groupes de travail du collège SMAde l’AFIA

Coordonné par Zahia Guessoum (LIP6, Université de Paris6 et CReSTIC, Université de Reims)

Les groupes de du collège SMA abordent différentesproblématique de recherche en multi-agents. Ces groupessont également des groupes de travail du GDR I3. La suitede ce document décrit en séquence ces différents groupes.

Groupe Colline : De l’émergence auxsystèmes multi-agents

Responsable : Gauthier Picard (EMSE)Site Web : http://www.irit.fr/COLLINE/

L’émergence porte sur l’apparition de structures nou-velles et cohérentes, de formes, de propriétés durant le pro-cessus d’auto-organisation dans les systèmes complexes[24]. Ainsi, le processus d’émergence est vu comme uneboîte noire. On ne peut discerner que les entrées de plusbas niveaux et les sorties de plus hauts niveaux.

C’est dans la deuxième moitié du XXe siècle que lascience s’est dotée de moyens en phy-sique, en mathéma-tiques et en informatique pour explorer les systèmes com-plexes où l’émergence prend sa source. C’est notamment lecas de plusieurs théories :

– la théorie des systèmes complexes adaptatifs (notam-ment au Santa Fe Institute avec Holland, Kauffman etLangton) : l’émergence fait référence aux " patterns" du macro niveau apparaissant dans les systèmesd’agents en interaction ;

– la théorie des systèmes dynamiques non linéaires is-sue de la théorie du chaos : le travail porte en grandepartie sur les attracteurs ; l’école synergétique fondéepar Haken qui étudie l’auto-organisation dans les sys-tèmes physiques ;

– la thermodynamique " loin et autour de l’équilibre "introduite par Prigogine : les phénomènes émergentssont les structures dissipatives apparaissant à partirde conditions loin de l’équilibre.

La question de l’émergence suscite un regain d’intérêtdans l’étude des systèmes artificiels car si nous disposionsde méthodes garantissant l’émergence de fonctions dési-

rées sans les avoir explicitement spécifiées, cela réduirait dumême coup la charge et la durée de concep-tion.

L’étude de l’émergence par expérimentation

Les SMA étant des collectifs d’agents autonomes eninteraction ils peuvent constituer un cadre technologiquepertinent pour observer - et maîtriser - l’émergence de phé-nomènes. C’est l’objet du groupe de travail Colline (COL-Lectif, INteraction, Emergence). L’imprévu étant inhérent àla vie de ces systèmes, l’auto-organisation, qui correspondà un changement décidé de manière autonome, devient unmoyen pour parvenir à surmonter les perturbations éven-tuelles de l’environnement.

La problématique du groupe est d’étudier les théo-ries, méthodes et techniques pour abou-tir au phéno-mène émergent désiré en modifiant l’organisation d’un sys-tème. Nous abordons ces questions d’émergence et d’auto-organisation notamment à partir d’études de cas grâce aux-quelles chaque participant peut concrètement montrer sonapproche.

Nous étudions actuellement celle de la gestion d’unechaîne de production autour d’une plate-forme MASC quia été développée spécifiquement. Les scénarios supposentl’arrivée dans le temps de pièces sur lesquelles doivent s’ef-fectuer des usinages de durée variable et selon une sé-quence déterminée, mais qui doivent aussi être usinéesavant une certaine date. Durant ces sessions de nouvellespièces arrivent avec leurs délais, des pannes surviennentsur les stations de travail ou des opérateurs peuvent fairedéfaut de manière inopinée. L’émergence ne porte pas surl’apparition d’un phénomène inattendu, car l’activité col-lective ne produit que des pièces usinées. Mais dans la ca-pacité à trouver des solutions optimales ou quasi-optimalesalors que les agents (possiblement les pièces, les stations oules opérateurs) n’ont qu’une connaissance très partielle duproblème global et que des événements imprévus sont fré-quents. Des résultats très intéressants ont été obtenus com-parativement à des algo-rithmes standards de résolution deproblèmes de satisfaction de contraintes distribués (DisC-SP) [15].


http://www.irit.fr/COLLINE/

DOSSIER I.A. ET SMA

Techniques multi-agents auto-organisatrices

Plusieurs mécanismes conduisant à l’auto-organisation- et conséquemment à l’émergence de phénomènes - ontété étudiés dans diverses applications [5]. Ils peuvent glo-balement être décomposés en quatre classes [50] selon lesmécanismes employés :

– Les interactions directes entre agents employant desprincipes de diffusion et de lo-calisation : ces méca-nismes conduisent à des modifications de la topolo-gie et donc du place-ment des agents et de leurs ca-pacités d’échanges. Cette approche a notamment étéétudiée dans les projets Rivage et TOTA [51][37].

– Les interactions indirectes entre agents telles la stig-mergie : cette méthode a conduit à des résultatsconcrets pour la coordination globale de tâches. C’estle cas pour la gestion de production [31] [8] [47].

– Les comportements de renforcement des agents : unerécompense renforce le com-portement de l’agent,tandis qu’une punition inhibe celui-ci. Un exempletypique de cette approche est donné dans [56].

– La coopération locale entre agents où l’agent chercheà atteindre ses objectifs tout en respectant au mieuxles besoins des agents voisins pour satisfaire les leurs.Cette approche est employée dans la théorie desAmas, par exemple pour la gestion d’emploi du tempsou l’affectation de fréquences [45][46].

Des métriques pour l’évaluation des solutions émergentes

Ces travaux représentent un premier pas vers l’étudeet la compréhension des solutions émergentes de résolu-tion de problèmes difficiles. Les perspectives de développe-ment et les enjeux concernent l’établissement de métriquespour l’évaluation des solutions émergentes de résolution deproblèmes ainsi que l’étude des problèmes multi-échelleset dynamiques en temps continu (biologie computation-nelle, conception de systèmes complexes, par exemple). Eneffet, les approches émergentes pourront montrer leur in-térêt applicatif dès lors que leur avantages seront souli-gnés par des mesures sur des propriétés propres aux sys-tèmes auto-organisateurs : dynamique (adaptation aux per-turbations, minimisation de l’impact endogène d’un chan-gement, etc.), décentralisation (taux de distributivité, tauxde centralisation, nombre de points de rupture, etc.).

Groupe D2A2 : Droits et Devoirsd’Agents Autonomes

Responsables : Olivier Boissier (EMSE), Catherine Tes-sier (ONERA)Site Web : http://d2a2.emse.fr

Comme nous l’avons vu dans ce qui précède, l’une desparticularités des SMA est de placer l’autonomie [26] [28]au coeur du comportement des agents et du système lui-même. Les agents ayant différentes tâches à réaliser, selondes contraintes diverses - par exemple suivre un protocolede négociation, suivre un schéma de coopération pour unpartage de tâches avec d’autres agents, avec l’utilisateur ouun opérateur - il est important de mettre en place des méca-nismes de régulation et de contrôle assurant la coopérationet la cohérence du fonction-nement global des agents.

Les évolutions actuelles dans de multiples domaines(commerce électronique, jeux inte-ractifs, robotique so-ciale ou collective, intelligence ambiante, etc.) renforcentcette exigence de contrôle et de régulation tout en assurantflexibilité et efficacité pour répondre à l’augmen-tation del’hétérogénéité des agents, de l’ouverture et de la dynami-cité des applications. À terme, tout un chacun sera (est) eninteraction avec des applications, des services informati-sésde plus en plus enfouis dans notre quotidien et de plus enplus autonomes. Que faire en effet, lorsqu’un agent génèreseul l’intention d’acheter ou de vendre un bien, lorsqu’iltrans-met ou traite des données personnelles de son utili-sateur, lorsqu’il agit dans des systèmes tiers en y consom-mant des ressources et éventuellement y causant/subissantdes dommages ?

Les travaux dans le domaine ont ainsi proposé différentsmodèles, langages et architectu-res pour définir ce que l’ondésignera de manière générale par la suite, des droits et desde-voirs d’agents autonomes. Ceux-ci se déclinent en orga-nisations, en politiques de conversa-tion, en normes, etc. Ilest à noter qu’au-delà de ces productions scientifiques ettechnologiques, de nouveaux champs de réflexion tant auniveau des usages que du droit ont été également ouverts.

Les travaux et réflexions menées au sein de D2A2 s’or-ganisent ainsi autour des trois axes suivants :

– la régulation et le contrôle des interactions entre desagents autonomes impliqués dans diverses coopéra-tions dans un système en constante évolution afind’assurer cohérence, efficacité et flexibilité ;

– la régulation et le contrôle du partage d’autorité entreutilisateurs/opérateurs et agents autonomes ;

– l’analyse des implications légales en termes d’ano-nymat, de protection de la vie pri-vée, d’identité, demodèle de propriété de logiciel, de responsabilités



http://d2a2.emse.fr

DOSSIER I.A. ET SMA

afin d’ancrer ces nou-veaux systèmes de transactionsélectroniques dans le monde réel.

Comme nous l’avons mentionné, ces travaux se dé-clinent en multiples propositions : (i) de langages et d’ar-chitectures, (ii) de formalismes de représentation et de rai-sonnement, (iii) de réflexion sur l’intelligibilité des SMA parles opérateurs ou les utilisateurs, sur les complémentaritéset interactions entre les modèles du niveau multi-agents etles modèles du niveau agent. Nous allons les parcourir rapi-dement dans ce qui suit selon les deux premières directionsénoncées ci-dessus 1.

Régulation et contrôle

La régulation et le contrôle de systèmes d’agents auto-nomes ne sont pas une problémati-que nouvelle dans ledomaine 2. Dès les débuts de l’Intelligence Artificielle Dis-tribuée, il a été question d’exprimer des stratégies globalesafin d’aider et de faciliter la coopération entre des résolu-tions entreprises localement au sein des agents (e.g. [3] [33][34]). La prise en compte de systèmes ouverts et fortementhétérogènes a conduit à l’abandon des hypothèses de bien-veillance, d’altruisme des agents. Les schémas de coopé-ration qui étaient proposés comme une aide, ont ainsi ététransformés en schémas de coopération visant à contrôleret à contraindre le comportement des agents. Ces schémasde coopération ont ainsi pris la forme de langages ou mo-dèles d’organisations normatives (e.g. [20] [29]), de normes(e.g. [17] [6]), de lois sociales [52]. Certaines de ces propo-sitions sont accompagnées d’outils de vérifica-tion, de vali-dation et de cohérence. Certaines sont également complé-tées d’intergiciels dédiés à la gestion et au renforcement desdroits et des devoirs exprimés (e.g. [19] [30]).

Se focalisant sur le niveau agent, des travaux ont pro-posé des modèles et des architectu-res d’agents capablesde raisonner sur leurs droits et sur leurs devoirs dans lesystème (e.g. [10]). Différents types d’agents normatifs ontainsi été proposés (e.g. [12]) afin de participer à des organi-sations, de raisonner sur les normes et lois en vigueur dansle système, etc.

Alors que certaines approches promeuvent la mise enplace d’une partie tierce (intergi-ciel), en dehors des agents,pour réguler et contrôler leur comportement, certains tra-vaux défendent une approche se référant à la notion d’ordresocial [13] où les agents eux-mêmes mettent en place lesmodèles et les mesures pour contrôler et exclure du sys-tème les agents qui ne respectent pas les lois globales. Ce

sont notamment toutes les approches relatives aux notionsde confiance, de réputation (e.g. [18] [48]), etc.

Enfin, de nombreux travaux viennent compléter ces ap-proches en s’intéressant à la dy-namique et à l’évolutionde ces schémas de coopération en termes d’émergence etd’évolution de normes ou d’organisations (e.g. [15] [45][55]).

Partage d’autorité

Nous sommes de plus en plus amenés à déléguer ou en-visager de déléguer des tâches fastidieuses, coûteuses, dan-gereuses, à des agents informatiques ou physiques. Cettedélégation est indubitablement liée à l’autonomie confé-rée aux agents d’une part, et au contrôle conser-vé sur lesagents eux-mêmes d’autre part. La définition et la miseen oeuvre de ce partage d’autorité appartiennent aux dé-fis majeurs de notre cohabitation avec des entités que nousconcevons, peut-être paradoxalement, pour être à la foisautonomes et à notre service. Se reporter à [7] pour un ex-posé de différentes positions et illustrations de cette problé-matique.

Le partage d’autorité entre agents et opérateurs ou utili-sateurs renvoie à la manière dont les fonctions de la bouclede décision au sein du système sont réparties ou partagéesentre les humains, agents logiciels ou physiques inscritsdans le système. Il se décline ainsi en différents travaux rela-tifs à la définition de règles de détention de l’autorité ou dupouvoir de décision [16], au contrôle de l’interaction opé-rateur / agent, à la définition de mécanismes de reprise enmain ou de veto émanant de l’opérateur ou des agents, àl’expression de normes pour les agents et de normes pourles utilisateurs ou opérateurs [40] ;

La plupart du temps, un partage d’autorité implique queles agents logiciels ou physiques soient équipés d’un certainniveau d’autonomie vis-à-vis des décisions prises par le oules humains. C’est le cas par exemple en contrôle collabora-tif [21] ou dans le cadre d’initiatives mixtes [25]. Cette auto-nomie induit une dynamique du partage d’autorité [38] setraduisant par le fait qu’un agent (humain ou logiciel) prendle contrôle sur une action alors qu’il ne l’avait pas, de ma-nière prévue ou non. Ceci peut être motivé par le constatque l’agent ne " sait pas faire " de manière autonome (dé-faillance, obstacle, danger imminent...) ou pour toute autreraison qui est propre à l’agent qui prend le contrôle et quin’est pas forcément exprimée. D’autre part, un agent peutreprendre le contrôle de lui-même parce que ses connais-

1. Le lecteur intéressé par la dernière dimension peut se reporter à http://www.lea-online.net/ ou http://www.iids.org/alias parexemple.

2. Ces problématiques sont abordées dans le domaine multi-agent notamment au travers de la série de workshops COIN (Coordination, Organisa-tion, Institutions and Norms) http://www.pcs.usp.br/~coin/.


http://www.lea-online.net/

http://www.iids.org/alias

http://www.pcs.usp.br/~coin/

DOSSIER I.A. ET SMA

sances courantes (suivi de situation) sont en contradictionavec l’action qu’un autre agent (par exem-ple l’opérateur)veut lui faire faire (violation de normes, ordres successifscontradictoires...) ou bien que les communications avecl’agent qui a l’autorité sont rompues.

Groupe ACA : Agents conversationnelsanimés

Responsables : Sylvie Pesty (MAGMA/LIG) Jean PaulSansonnet (LIMSI)Site Web : http://www.limsi.fr/aca/

Le terme " Agents Conversationnels Animés " (ACA) estla traduction du sigle anglo-saxon ECA (Embodied Conver-sational Agents) où " Embodied/Animé " [11] réfère à desagents artificiels qui sont dotés d’une personnification mul-timodale (capacité gestuelle, ex-pression d’émotions, dia-logue en langue naturelle, utilisant le graphique, le son...).Les trois termes du sigle ACA permettent de préciser la pro-blématique abordée :

– Agent : composant autonome capable de raisonne-ment sur des représentations sym-boliques, en situa-tion, par exemple concernant une tâche dans une ap-plication ou un service ;

– Conversationnel : composant interactif capable d’in-teractions multimodales (aussi bien linguistiques quephysiques (gestes attitudes etc.) ou encore via les évé-nements de l’interface graphique, avec l’usager ;

– Animé : désigne un composant interactif doté d’uneapparence effective face à l’usager, aussi appelé per-sonnification (à ne pas confondre avec la personnali-sation qui vise généralement à constituer un profil del’usager).

Le domaine applicatif général des ACA est celui des per-sonnages virtuels interactifs, pla-cés dans des environne-ments médiatisés, qui peuvent jouer trois rôles principaux :

– Assistants : pour accueillir les utilisateurs et les aiderà comprendre et à utiliser la structure et le fonction-nement d’applications et de services informatiques ;

– Partenaires : des acteurs dans des environnementsvirtuels : partenaire ou adversaire de jeu, partici-pant dans les systèmes de conception participative,membre d’une communauté mixte, etc. ;

– Tuteurs : des apprenants dans les EnvironnementsInteractifs d’Apprentissage Humain (EIAH), oudes patients dans les systèmes de suivi psycholo-gique/pathologique, pour le handicap (par exemple,la Langue des Signes Française, l’autisme ...).

Les chercheurs doivent développer des modèles infor-matiques supportant les différentes fonctions nécessaires

à ces agents qui doivent gérer la communication et lesémotions à des niveaux perceptifs, rationnels (raisonne-ment symbolique) et expressifs. Cela nécessite la repré-sentation et la gestion de nombreuses connaissances liéespar exemple à la compréhen-sion du comportement desutilisateurs, au raisonnement, et à la génération de com-portements multimodaux. Concevoir et évaluer des ACAnécessite des modèles informatiques du com-portementmultimodal humain et donc des interactions de l’infor-matique avec d’autres disci-plines apportant des compé-tences, par exemple en communication non verbale et pro-tocoles expérimentaux. Une approche pluridisciplinaire estpar exemple nécessaire pour collecter, annoter et analyserdes comportements multimodaux pouvant compléter demanière plus contextuelle les connaissances générales is-sues de la littérature en Sciences Humaines.

Au plan pratique, il existe une certaine correspondanceentre les classes de personnages virtuels et les grands cou-rants de recherche associés. On distingue trois classes prin-cipales, illustrées ci-dessous par des exemples reconnus auniveau international (voir Fig. 2, Fig. 3 et Fig. 4) :

Fig. 2 : GRETA de C. Pélachaud, ENST ParisTech.

Les Têtes Parlantes proposent des agents fixes, réalisteset sont associées à la recherche sur l’expression des émo-tions et le ’lipsynch’.

Fig. 3 : STEVE de Rickel et al, USC - San Diego.

Les Agents Déictiques sont des personnages fixes ou’survolants’ munis de bras permet-tant d’effectuer des



http://www.limsi.fr/aca/

DOSSIER I.A. ET SMA

gestes de pointage mais aussi des signes en LSF (Langue desSignes Française). Ils sont utilisés principalement dans lessystèmes d’éducation et d’assistance.

Fig. 4 :Virtual Training Environment de Gratch et al, USC- San Diego.

Les Agents In situ (aussi appelés ’ghosts’), sont des per-sonnages complets, mobiles, si-tués dans des environne-ments de réalité virtuelle ou augmentée. Servant à l’appren-tissage de l’action (training), ils se développent de plus enplus dans les recherches sur l’ambiant.

La recherche sur les ACA se divise en deux grands axesméthodologiques complémentai-res :

– L’analyse et la modélisation de comportement hu-mains attestés 1) au niveau fin, par exemple à partirde la capture des expressions du visage et 2) au niveaumacroscopique, par exemple via l’annotation de sé-quences vidéo qui servent à informer la spécificationdes ACAs ;

– La synthèse et la production de comportements ar-tificiels. La synthèse concerne la perception, le rai-sonnement sur le contexte et l’inférence des compor-tements cognitifs et émotionnels des agents. La pro-duction consiste à exprimer les comportements infé-rés de manière multimodale dans l’interaction avecl’usager.

En ce qui concerne l’analyse de comportement hu-mains et leur reproduction/émulation par des personnagesvirtuels, les études portent sur la capture et la reconnais-sance des phé-nomènes naturels, comme par exemple :les indices de communication co-verbale (expres-sions fa-ciales, gestes co-verbaux ...), voire à un niveau plus élevéles émotions primaires où les attitudes intentionnelles.Cela se fait via la saisie de traces interactionnelles Hu-main/Humain puis leur annotation (avec des outils commeANVIL par exemple) et enfin leur analyse quantitative etqualitative.

A partir de là, des modèles sont proposés qui sont en-suite implémentés et évalués dans des expériences où desusagers ordinaires ont à se positionner vis-à-vis d’un cer-tain nombre de critères d’évaluation, dits objectifs pour lesdeux premiers (car obtenus par mesures sur les traces infor-matiques) et dits subjectifs pour les trois derniers (car obte-nus par des question-naires qualitatifs des usagers) :

– Efficacité : mesure de la performance effective ducouple usager-agent dans la réali-sation de la tâche.

– Utilisabilité : facilité et capacité effective qu’a l’usagerà bien comprendre comment fonctionne le systèmeet donc à bien le commander.

– Familiarité : est le " sentiment " qu’a l’usager que lesystème est agréable à utiliser (attrait, engagement,esthétique, confort).

– Crédibilité : est le " sentiment " qu’a l’usager que lel’agent peut comprendre ses problèmes et qu’il peutl’aider.

– Confiance : est le " sentiment " qu’a l’usager quel’agent se comporte comme une entité amicale et co-opérative.

Enfin, si on considère l’ensemble de ces critères, au delàde l’apparence (i.e. la personni-fication), c’est avant tout lacapacité rationnelle des agents qui permettra dans le futurde réaliser des systèmes efficaces et crédibles. Il faut doncmettre en oeuvre des techniques d’agents intelligents ca-pables d’interagir avec les usagers. Cela débouche sur troisprobléma-tiques complémentaires :

– Les agents doivent être des entités capables de raison-ner sur des représentations symbo-liques, i.e. des mo-dèles de l’application concernés, de la tâche en cours,et ceci selon diffé-rents modes/rôles (agent compa-gnons de jeu, agents tuteurs d’enseignement, agentsservi-teurs - ’butlers’ à la P. Maes’ [36] etc.). Pour cela,il leur faut aussi être muni d’un modèle de l’usager etd’un modèle de la session d’interaction.

– les agents doivent être capables de dialoguer avecles usagers soit de manière ’artifi-cielle’ via une GUI(Graphical User Interface) soit de manière ’naturelle’en employant la langue comme modalité première.Ceci débouche sur la problématique de " agentsdialogi-ques ", liée au Traitement de la Langue Natu-relle, par exemple pour la prise en compte de requêtesd’assistance exprimées sous forme textuelle.

– Enfin, Les agents doivent être capables de se " com-porter de manière naturelle ", sur-tout dans le cas oùla personnification est forte. Il faut alors qu’à l’agentrationnel, se super-pose un agent comportementalqui exprime des attitudes intentionnelles, voir desémotions [35].

Simulation multi-agents

Responsable : Erwan Tranvouez (LSIS, Marseille)Site Web : http://www.lsis.org/mimosa/

La recherche en simulation orienté agent remonte auxpremiers travaux autour de l’Intelligence Artificielle Distri-


http://www.lsis.org/mimosa/

DOSSIER I.A. ET SMA

buée et en constitua l’un des premiers terrains de jeux. L’ap-proche multi-agents apporte en effet une alternative à desméthodes analytiques (lorsque c’est possible en pratique)ou de simulation classique (à événements ou à temps dis-cret). Elle se justifie lorsque l’étude porte aussi bien surla reproduction d’un phénomène ou du com-portementd’un système que des actions et interactions internes deses composantes. Elle peut également apporter des ex-plications sur les liens entre les niveaux macroscopiqueset microscopiques notamment lorsque des phénomènesd’émergence sont impliqués.

Pour toutes ces raisons, la recherche en simulation parsystèmes multi-agents se révèle prolifique et donne lieu àde multiples dénominations. On pourra la retrouver en ef-fet sous les termes de simulation orientée agents, à based’agents, contrôlée par des agents, holoni-que, individucentrée ... L’usage de chaque terme s’explique par le do-maine scientifique ou d’application dont il est issu, maisbien souvent le terme agent apparaît comme un conceptunificateur.

Enjeux de la simulation multi-agents

La simulation multi-agents reprend les objectifs géné-raux de la simulation : la validation de modèles, la compré-hension de phénomènes naturels ou de systèmes réels, desupport de communication pour l’aide à la décision ou en-core la prévision de l’état d’un système....

Le paradigme multi-agents intervient à deux niveaux : lamodélisation et la simulation. Au premier niveau, il s’agit deconstruire des modèles multi-agents reproduisant la struc-ture naturellement distribuée des systèmes étudiés ou ap-portant une solution (alternative) de mo-délisation de pro-blèmes complexes. La distribution est alors dans ce cas dé-finie artificielle-ment. Les modélisations produites mettenten oeuvre des modèles d’agents réactifs (compor-tement detype stimuli-réponse) ou cognitifs (type micro système ex-perts), ou toute combinaison des deux types. Ces modèlessont parfois appelés conceptuels.

Le deuxième niveau implique l’expérimentation de cesmodèles au sein d’un environne-ment de simulation quipourra ou non s’appuyer sur une architecture logicielledistribuée. En d’autres termes, le modèle opérationnel nesera pas systématiquement multi-agents mais pourra êtreorienté objet ou traduit dans d’autres langages de simu-lation (DEVS par exem-ple). La dimension agent présentel’avantage de pouvoir traduire facilement le modèle en lan-gage informatique. De plus elle rend compte au niveau mi-croscopique des phénomènes (éventuellement émergents)au niveau macroscopique.

Enfin, l’intégration de l’utilisateur peut être facilitéevoire souhaitée aussi bien en phase de conception de mo-dèle qu’en cours de simulation (qualifiés alors de partici-patif), tant pour gagner son adhésion aux conclusions del’analyse de la simulation que pour améliorer la vraisem-blance des modèles.

Domaines d’application

La simulation orientée agent est utilisée dans de nom-breux domaines d’application [54]. Un panorama rapide estprésenté ci-après.

L’étude des ecosystèmes, anthropisés ou non, allant dela société d’insectes à la gestion de ressources naturelles, afortement inspiré la recherche en simulation multi-agentsdés ses débuts. L’écologie met de fait en avant la forte dé-pendance entre les différents systèmes biologiques (végé-taux, insectes, animaux voire humains) et leur milieu natu-rel. La concep-tion de sociétés d’agents permet de repro-duire le comportement de chaque sous-système en interac-tion tout en intégrant les dynamiques internes à l’origine deces comportements. Ces sous-systèmes sont généralementmis en oeuvre via des architectures réactives. L’ajout du fac-teur humain peut conduire à recourir à des modèles cog-nitifs pour montrer les conséquen-ces de différents modesde rationalité sur l’évolution de l’écosystème. Il peut égale-ment assurer la stabilité de ce système (ex. gestion d’un parcnaturel) [49].

Les sciences économiques et sociales expérimententégalement le paradigme agent dans l’étude de théories éco-nomiques (en particulier micro-économiques), de phéno-mènes socio-logiques, en théorie des jeux ou encore en si-mulation financière [43]. Le terme artificial economics ad’ailleurs consacré l’existence à part entière de ce champde recherche. Les applications ont porté aussi bien surdes comportements de marchés, formation de coalition oude réseaux, diffusion d’opinion politique, formation desnormes ... [44].

Les systèmes socio-techniques par leur nature distri-buée, du fait que les performances globales dépendent desperformances locales et qu’ils font face à des environne-ments changeants, présentent toutes les caractéristiquesd’un problème multi-agents. La simulation multi-agentss’est donc rapidement intéressée à l’étude des systèmesde production ou encore aux chaînes logistiques [9] [23].Les travaux étudient leur comportement en vue d’améliorerleur productivité ou leur robustesse face aux perturbations.La validation de stratégie de contrôle de ces systèmes peutrequérir des simulations complexes hétérogènes dans les-quelles des SMA cognitifs réagissent aux stimuli de SMA ré-



DOSSIER I.A. ET SMA

actifs reproduisant les réactions du système de productionaux décisions du système dit " décisionnel " [32].

Dans le domaine de la Physique, l’approche agent a étéutilisée dans l’étude du compor-tement de matériaux gra-nulaires i.e. la formation ou la rupture d’états d’équilibre(modèle GranuLab), la modélisation de l’écoulement d’eausur des reliefs variés (modèle Rivage par ex.), la reproduc-tion de phénomènes astrophysique, ou de la structure mo-léculaire.

On peut retrouver des approches similaires en Biologie.Une société d’agents peut modé-liser des processus bio-logiques (évolution de populations d’animaux) ou biochi-miques (pro-cessus métaboliques comme la glycolyse parex. ou la dynamique de sociétés bactériennes) [39].

A la croisée des problèmes de physique, sociotech-niques et écologique, la simulation orienté agent s’est éga-lement intéressée à la sécurité et la gestion des risques natu-rels et/ou industriels. Le risque d’inondation ou d’accidentindustriels fait intervenir aussi bien des capacités de modé-lisation de propriétés physiques (écoulement de l’eau, pro-pagation d’une vague ou de gaz ...), biologique (impact surl’écosystème), que du comportement humain. La modéli-sation et la simulation du trafic routier est également unchamp d’application perti-nent.

Ces domaines d’applications sont sources d’études desystèmes complexes. Cette com-plexité s’explique aussibien par les niveaux de description possible (du niveaud’une molé-cule à celui d’un organisme vivant), des loisrégissant chaque niveau de description (physi-ques, bio-logique, financière, mécanique ...), des interactions com-plexes à chaque niveau et entre les niveaux (organisa-tion hiérarchique ou fortement couplée). A ces difficultéss’ajoutent les contraintes d’échelles (temporelle, géogra-phique ...) reliant ces différents ni-veaux que les différentesmodélisations doivent vérifier tout en contournant les dif-ficultés pratiques de calculs numériques (notamment enterme de durée de traitement). Ces simula-tions peuventmobiliser un grand nombre d’agents (de la dizaine au mil-lion) en général de type réactif dès lors que l’on dépasse lacentaine. A noter que l’implémentation informatique peutabandonner en cours de route la notion d’agent en le rédui-sant à son état et aux change-ments d’états auquel il a droit.

Environnements informatique de simulation

La maturité naissante de la simulation multi-agentsà permis de capitaliser certaines expé-rimentations lo-gicielles pour aboutir à de véritable environnement deconception et d’exécution de simulation. La réduction

du travail de traduction informatique des modèles multi-agents est un objectif à part entière. Cela n’exclut évidem-ment pas le développement d’applications ad hoc en fonc-tion du problème étudié (besoin d’une visualisation 3D,interfa-çages avec des logiciels ou modèles propriétaires ...).

Parmi ces environnements citons par exemple Cormas[4], MadKit [27], Swarm, RePast 3, Mimosa [41] et VLE [42].Ces environnements tiennent compte des contraintes spé-cifiques de la simulation et bénéficient directement desavancées en Génie Logiciel Orienté Agent. Ils proposent no-tamment des outils de conception graphique de modèles,d’outils de pilotage de simulation facilitant l’interventiondu ou des utilisateurs (conception et/ou simulation parti-cipative).

L’aide à la conception de modèles de simulation peutse limiter à la mise à disposition de modèles standards per-sonnalisables nécessitant une intervention à un niveau lo-giciel. Des efforts ont cependant été réalisés pour réduireces interventions en intégrant la manipulation de langagesde modélisation de haut niveau. Cela est d’autant plus né-cessaire lorsqu’une simulation requiert le couplage de mo-dèles de simulation exprimés selon des paradigmes diffé-rents (agent, objet, événements discrets, ...). VLE et Mimosaont fait par ailleurs le choix de se baser sur DEVS pour as-surer que ce couplage se fasse le plus rigoureusement pos-sible (la traduction en DEVS assure ainsi une homogénéitédu contexte d’exécution des simulations). Ceci impliquenotamment la question de la gestion temps rela-tivementépargnée jusqu’ici dans le monde multi-agents.

Orientations de recherche

Le caractère pluridisciplinaire de la simulation orientéagent ouvrira sans nul doute de nouveaux champs d’expéri-mentation. Les axes de développement futurs peuvent éga-lement porter sur :

– l’amélioration de la manipulation des différents lan-gages de modélisation et les ren-dre compatibles(poursuite des travaux autour de DEVS ou recours àune réification ontolo-gique).

– une meilleure intégration du ou des utilisateurs danstout le processus de simulation (aide à la conception,exécution, analyse) et bénéficier des recherches surles Environne-ments Informatiques pour l’Appren-tissage Humain (EIAH) afin d’analyser et restituer lecomportement des utilisateurs des simulations parti-cipatives.

– un rapprochement des environnements de simula-tion multi-agents des standards de la simulation (ou-tils de validation/vérification de modèles, gestion des

3. Cf. http://www.swarm.org et http://repast.sourceforge.net/


http://www.swarm.org

http://repast.sourceforge.net/

DOSSIER I.A. ET SMA

plans d’expériences, interopérabilité avec d’autresenvironnements de simulation).

Spécification formelle des modèles desimulation

Responsables : Norbert Giambiasi (LSIS, Marseille) etDavid Hill (SIMA/LIMOS, Cler-mont Ferrand)Site Web : http://www.lsis.org/versim/

Les méthodes analytiques conduisent à établir des so-lutions générales, à partir desquelles se déduisent des solu-tions particulières par affectation de valeurs aux variablesdes expressions symboliques produites. L’utilisation de cesméthodes a, cependant, des limites. Leur principale limi-tation est issue de la complexité des systèmes à modéliser.Leur application nécessite, souvent, de simplifier le modèledu système à un niveau tel que les solutions obtenues sontalors difficilement transposables à la réalité. Face à une tellesituation, les méthodes basées sur la simulation offrent unealternative. Ces méthodes, bien qu’inaptes à fournir une so-lution générale, permettent de trouver des solutions par-ticulières transposables au système réel. En effet, les per-formances des techniques actuelles de simulation [22] au-torisent le traitement de modèles présentant une grandecomplexité qualitative et quantitative (qualitative, liée à lasémantique du paradigme, quantitative, liée aux nombresde composants) tout en reproduisant assez fidèlement lecomportement dynamique de systèmes réels complexes. Ilest cependant évident que si le problème peut être correc-tement résolu par une méthode analytique, l’utilisation dela simulation ne se justifie pas.

La construction d’un modèle de simulation nécessite depasser par une spécification for-melle de ce modèle, spéci-fication indépendante des détails de réalisation de la tech-nique de simulation.

En fait, partant d’une spécification générale d’un sys-tème dynamique, il est possible de construire une spécifica-tion d’un modèle simulable dans l’un des trois paradigmessuivants :

– équations différentielles,– formalismes à temps discrets,– formalismes à événements discrets.

Sur un plan plus formel, la classification des forma-lismes de spécifications par rapport au temps fait appa-raître un quatrième formalisme : les équations aux diffé-rences. On distingue alors les modèles à temps continus :équations différentielles et événements discrets, les mo-dèles à temps discrets : automates et équations aux diffé-rences.

Les travaux de recherche menés dans le cadre de la si-mulation et plus particulièrement la simulation à événe-ments discrets ont contribué à la richesse de ces méthodes.Nous citons le formalisme DEVS offrant un cadre théoriqueet formel pour la spécification des modèles jusqu’à la simu-lation et l’analyse des résultats. Ce formalisme a été proposépar Zeigler dans les années 70, qui trouve ses fondementsdans la théorie des systèmes [1]. Ce formalisme se distinguepar rapport aux autres formalismes de simulation (auto-mates à états finis, State-charts, réseaux de Petri, équationsaux différences, etc.) par sa puissance d’expressivité et sasémantique opérationnelle claire et non ambiguë.

DEVS et ses extensions

Le formalisme DEVS (Discrete Event System specifica-tion) permet d’avoir une descrip-tion déterministe et doncexécutable sur machine. Cette description est réalisée enamont d’un modèle informatique en vue de vérifier et va-lider par simulation cette dernière. Les modèles de base dé-crivent un système selon les trois vues préconisées par legénie logiciel : données, fonctions et contrôle (comporte-ment). Ces éléments sont décrits par la structure algébriquesuivante :

M = <X, Y, S, dext, dint, l, D>, où X et Y sont les en-sembles d’événements d’entrée et de sortie respectivement.S est l’ensemble des états possibles du système (il peutêtre infini). Les transitions sont décomposées en deux sous-ensembles : les transitions externes et inter-nes expriméespar les fonctions dext et dint. Lors de l’occurrence d’un évé-nement externe x et pour un état courant s, le système tran-site vers le nouvel état dext(s, e, x) avec e le temps écoulédans l’état s. Si pendant l’intervalle [0,e[ aucun événementest prévu et la variable e atteint une certaine valeur D(s) quidéfinit la durée de vie de l’état s, une transition interne estdéclenchée et le système passe à l’état dint(s). En parallèlela fonction de sortie l envoie l’événement de sortie y à l’en-vironnement du système.

Ce comportement dirigé par des événements discretsest encapsulé dans des boîtes qui communiquent par lebiais d’interaction (les événements déclenchés). Ce prin-cipe d’encapsulation permet d’avoir des modèles modu-laires et réutilisables dans des nouveaux modèles. Ajoutonsà ceci le principe de composition qui permet de décrire dessystèmes complexes par des modèles hiérarchisés en cou-plant des modèles de base, et obtenir par la suite un réseaude modèles simulables.

De nombreuses extensions basées sur ce formalismeont été proposées. Elles ont pour but d’élargir le champd’application de DEVS et de proposer des solutions à un ni-veau concep-tuel. A ce titre nous pouvons citer :



http://www.lsis.org/versim/

DOSSIER I.A. ET SMA

– DS-DEVS [2] permet de décrire des systèmes à struc-ture variable, systèmes dont les composantes et va-riables sont ajoutées, supprimées ou modifiées dyna-miquement,

– G-DEVS [23] pour construire une abstraction plusconcise et fidèle au système réel, et par conséquentune généralisation du formalisme DEVS, et RT-DEVS[14] a été proposé pour effectuer des simulationstemps réel. Il repose sur la définition de fenêtres tem-porelles dans lesquelles les événements sont reçus etenvoyés. Il permet d’inclure des comportements im-précis comme le délai de réaction des êtres humainspar exemple.

Outils et plateformes DEVS

Nous recensons actuellement une cinquantaine d’ou-tils et plateformes mis à la disposition de la communautéscientifique. Certains de ces outils sont listés par le groupede standardisa-tion DEVS. Ils vont de la pure implémen-tation des modèles par programmation jusqu’à offrir uneinterface graphique codant la totalité des éléments DEVS(état, transition, événement, port, etc.).

L’outil ADEVS (A Discrete EVent Simulation) a été dé-veloppé par l’équipe de Zeigler à l’université d’Arizona. Iloffre un ensemble de librairies extensibles pour l’implé-mentation des modèles DEVS spécifiés. Le noyau de simu-lation est codé en C++. Une version en Java existe sousle nom DEVSJava, intégrant une partie graphique pour lesmodèles couplés. L’environnement VLE (Virtual LaboratoryEnvironment), développé au sein du laboratoire LIL, offreune interface utilisateur plus convivial. Un gain majeur entemps pour le dévelop-pement des modèles à moindre er-reur de codage. D’autres fonctionnalités font parties de cetenvironnement comme la définition des schémas d’expéri-mentation pour le chargement des données de la simula-tion, la sauvegarde des modèles en XML, etc.

Défis de la M&S DEVS en France

Ces dernières années plusieurs groupes de travail ontadopté le formalisme DEVS comme base de leurs travaux derecherche. Cette reconnaissance acquise en France est dueen grande partie à la volonté et l’effort fourni de certains la-boratoires de recherche comme l’IRIT, LIMOS, LIL et LSISpour promouvoir ce formalisme.

Récemment, il y a eu un consensus sur le rôle que doitjouer la communauté française DEVS : faire de cette disci-pline une science reconnue par les acteurs actifs de la re-cherche en France. Sur le plan pédagogique, les chercheursde cette communauté fournissent des efforts considérables

pour intégrer la M&S (Modélisation & Simulation) DEVSdans les cursus universitaires, et pourquoi pas dans le fu-tur proche offrir des formations complètement dé-diées àla simulation. Le papier de [53] retrace leur expérience d’en-seignant et propose un guide pour le montage de cours ensimulation avec les principales clés de réussite. L’environ-nement LSIS_DME (DEVS Model Editor) développé par deschercheurs du LSIS contribue dans ce sens en offrant uncadre pédagogique : construction graphique des modèlesatomiques et couplés, réutilisation des modèles développéspar cliquer-glisser, animation des simulations, etc. Une par-ticularité qui le distingue des autres environnements de si-mulation.

Sur le plan scientifique, plusieurs projets de recherchesont en cours. Le plus intéressant est SiMoDEVS (SImula-tion des Modèles DEVS) qui regroupe en majorité des labo-ratoires de recherche français avec la participation de cher-cheurs étrangers dans le but de définir un standard pour lamodélisation et la simulation à événements discrets sur labase de DEVS. Par des mécanismes de mapping et de wrap-ping des modèles hétérogènes décrits dans d’autres for-malismes hors DEVS (les extensions de DEVS, Statecharts,équations différen-tielles, etc.) seront simulés par un noyauDEVS, afin de garantir une unique sémantique opération-nelle et par conséquent une meilleure interopérabilité desmodèles et des environ-nements utilisés.

Références

[1] M.A Arbib, Theories of abstract automata. Prentice-Hall ed. 1967, New York : Prentice-Hall.

[2] F. J. Barros. Modeling formalisms for dynamic struc-ture systems. ACM Trans. Model. Comput. Simul. 7(4), pp.501-515, 1997.

[3] O. Boissier and J. F. Hübner and J. S. Sichman, Orga-nization Oriented Programming : From Closed to Open Or-ganizations, ESAW, Lecture Notes in Computer Science, Vol.4457, pp. 86-105, Springer, 2006.

[4] F. Bousquet, I. Bakam, H. Proton, and C. Le Page. Cor-mas : common-pool resources and multi-agent Systems.Lecture Notes in Artificial Intelligence 1416 : 826-838, 1998.

[5] C. Bernon, V. Chevrier, V. Hilaire, and P. Marrow, Ap-plications of self-organising multi-agent systems : an initialframework of comparison. Informatica, Slovenia. 2005.

[6] G. Boella, W. N. Leendert, V. der Torre, andH.Verhagen (eds.). Special Issue on Norma-tive MultiAgentSystems, volume 12 of Computational & Mathematical Or-ganization Theory, 2006.


DOSSIER I.A. ET SMA

[7] A. Bouzouane, Y. Demazeau, A. Drogoul, P. Hélie, P.Taillibert, and C. Tessier, Des agents et des hommes, quelsdéfis pour de nouveaux usages ? JFSMA 04, 2004.

[8] S. Brueckner. Return from the Ant : Synthetic Ecosys-tems for Manufacturing Control. PhD thesis, Depar tmentof Computer Science, Humboldt University Berlin, 2000.

[9] S. Bussmann, N. Jennings, and M. R., Wooldridge,Multiagent Systems for Manufactur-ing Control : A DesignMethodology ; Springer Series on Agent Technology ; 2004,XIV, 288 p. ISBN : 978-3-540-20924-9

[10] C. Carabelea, Reasoning about autonomy in openmulti-agent systems - an approach based on the socialpower theory" Thèse de l’ENSM Saint-Etienne, December2007.

[11] J. Cassell, J. Sullivan, S. Prevost, E. Churchill, Embo-died Conversational Agents, MIT Press. 0-262-03278-3, 2000

[12] C. Castelfranchi and F. Dignum and C. M. Jonkerand J. Treur, Deliberative Norma-tive Agents : Principlesand Architecture, ATAL’99 : 6th International Workshop onIntel-ligent Agents VI, Agent Theories, Architectures, andLanguages (ATAL), 2000, pp 364-378, Springer-Verlag

[13] C. Castelfranchi. Engineering Social Order. In Pro-ceedings of the First International Workshop on Enginee-ring Societies in the Agent World (ESAW04) (p. 1 - 18).Springer-Verlag London, UK, 2000.

[14] S. Cho et T. G. Kim : Real time simulation frameworkfor RT-DEVS models. v. 18 n.4 décembre 2001.

[15] G. Clair, M.-P. Gleizes, E. Kaddoum and G. Pi-card. Self-Regulation in Self-Organising Multi-Agent Sys-tems for Adaptive and Intelligent Manufacturing Control.In Second IEEE International Conference on Self-Adaptionand Self-Organization (SASO 2008), Venice, Italy, October20-24, 2008.

[16] B.T. Clough, Metrics, Schmetrics ! How the Heck doyou Determine a UAV auton-omy anyway ?, PERMIS Work-shop, 2002

[17] R.Conte, C. Castelfranchi (1995). Cognitive and so-cial action. Londra : London University College of LondonPress.

[18] R.Falcone, C. Castelfranchi. Principles of trust forMAS : cognitive anatomy, social importance, and quanti-fication, Proceedings of the International Conference onMulti-Agent Systems (ICMAS’98). In (pp. 72-79). Paris,France, 1998.

[19] M. Esteva, J. A. Rodríguez-Aguilar, B. Rosell, and J.L. Arcos. AMELI : An agent-based middleware for electronicinstitutions. In AAMAS’04, pages 236-243, New York, , July2004.

[20] J. Ferber, O. Gutknecht and F. Michel From Agents toOrganizations : An Organiza-tional View of Multi-agent Sys-tems, AOSE, Lecture Notes in Computer Science, Vol. 2935,pp. 214-230, Springer, 2003.

[21] T. Fong, C. Thorpe, and C.Baur, Multi-robot remotedriving with collaborative control, IEEE Transactions on In-dustrial Electronics 50, 2003

[22] R Fujimoto. Parallel discrete event simulation : Willthe field survive ? ORSA Jour-nal on Computing, 5(3) :213-230. 1993.

[23] Giambiasi, N. and B. Escudé : GDEVS : A generalizeddiscrete event specification for accurate modeling of dyna-mic systems, Transactions of the Society for Computer Si-mulation International, v.17 n.3, pp.120-134, 2000.

[24] G.a Di Marzo Serugendo, M.-P. Gleizes, and A. Kara-georgos. Self-Organisation and Emergence in Multi-AgentSystems : An Overview. Dans : Informatica, Vol. 30 N. 1, p.45-54, January 2006.

[25] M. Goodrich, T. McLain, J. Crandall, J. Anderson, J.Sun, Managing autonomy in robot teams : observation fromfour experiments, International Conference on Human-Robot Interaction, 2007

[26] M. Goodrich, D. Olsen, J. Crandall, T. Palmer. : Ex-periments in adjustable auton-omy. In : IJCAI’01 Workshopon Autonomy, Delegation and Control : interacting with au-tonomous agents, Seattle, WA (2001).

[27] O. Gutknecht, F. Michel, J. Ferber. Integrating Toolsand Infrastructure for Generic Multi-Agent Systems. Auto-nomous Agents 2001 (AGENTS 2001), Boston, ACM Press,2001. Pp 441-448.

[28] H. Hexmoor, C. Castelfranchi, and R. Falcone. AgentAutonomy. Bos-ton/Dordrecht/London Kluwer AcademicPublishers, 2003.

[29] J. F. Hübner J. S. Sichman and O. Boissier, A Modelfor the Structural, Functional, and Deontic Specification ofOrganizations in Multiagent Systems SBIA, LNCS, Vol. 2507,pp. 118-128, 2002.

[30] J. F. Hübner and J. S. Sichman and O. Boissier, De-veloping organised multiagent systems using the MOISE,IJAOSE, Vol. 1, Number 3/4, pp. 370-395, 2007.

[31] T. Ishida, L. Gasser, and M. Yoko. Organisation self-design in distributed produc-tion systems. IEEE Transac-tions on Knowledge and Data Engineering, 4(2) : 123-134,IEEE Computer Society, Los Alamitos, CA, USA, 1992.

[32] O. Labarthe, B. Espinasse, A. Ferrarini, Benoit Mon-treuil, "Toward a Methodologi-cal Framework for Agent-Based Modelling and Simulation of Supply Chains in a MassCustomization Context", in : Simulation Modelling Practice



DOSSIER I.A. ET SMA

and Theory International Journal (SIMPAT), vol. 15, n° 2, pp.113-136, February 2007.

[33] V. R. Lesser and D. D. Corkill, The Distributed Ve-hicle Monitoring Testbed : A Tool for Investigating Distribu-ted Problem Solving Networks, The AI Magazine, 4(4), p. 15,Fall 1983.

[34] V. R. Lesser, K. Decker, T. Wagner, N. Carver, A. Gar-vey, B. Horling, D. E. Neiman, R. M. Podorozhny, M. V. Na-gendra Prasad, A. Raja, R. Vincent, P. Xuan and X. Zhang,Evolution of the GPGP/TÆMS Domain-Independent Coor-dination Framework, Autonomous Agents and Multi-AgentSystems, Vol. 9, Number 1-2, pp. 87-143, 2004.

[35] L. Lester et al. The Persona Effect : Affective impactof Animated Pedagogical Agents. CHI’97, 1997

[36] P. Maes. Agents that reduce workload and informa-tion overload, Communications of the ACM, 37(7), 1994.

[37] M. Mamei, M. Vasirani, and F. Zambonelli. Selfor-ganising spatial shapes in mobile particles : the TOTA ap-proach. Engineering Self-Organising System. S. Brueckneret al. (Eds), Lecture Notes in Artificial Intelligence, volume3464, pp. 138-153. Springer-Verlag, Berlin, 2005.

[38] S. Mercier, Fr. Dehais, Ch. Lesire, C. Tessier, Re-sources as basic concepts for au-thority sharing, HumansOperating Unmanned Systems (HUMOUS’08), 2008.

[39] S. Montagna, A. Ricci, A. Omicini, A&A for model-ling and engineering simula-tions in Systems Biology, Inter-national Journal of Agent-Oriented Software Engineering-Vol. 2, No.2 pp. 222 - 245, 2008.

[40] K. Myers and D. Morley, Human directability ofagents, 1st International Confer-ence on Knowledge Cap-ture (K-CAP01), 2001

[41] J.-P Müller, The mimosa generic modeling and si-mulation platform : the case of multiagent systems. In Her-der Coelho and Bernard Espinasse, editors, 5th Workshopon Agent-Based Simulation, pages 77-86, Lisbon, Portu-gal,May 2004. SCS.

[42] Quesnel G., Duboz R., Ramat E., and TraoréM.K.. VLE : A Multimodeling and Simulation Environment.Proc. of the Summer Simulation Multiconference (Summer-Sim’07), San Diego, California, USA, July 15-18, 2007, pp.367-374.

[43] D. Phan and F. Amblard (eds). Agent-Based Model-ling and Simulation in the Social and Human Sciences. TheBardwell Press : Oxford, UK, 2007.

[44] D. Phan. From Agent-Based Computational Econo-mics towards Cognitive Econom-ics. in Bourgine P., Nadal

J.P. eds. Cognitive Economics ; Springer Verlag, pp. 371-398,2004.

[45] G. Picard, C. Bernon and M.-P. Gleizes. ETTO :Emergent Timetabling Organiza-tion. In proc. of CEE-MAS’05, volume 3690 of LNAI, Springer-Verlag, pages 440-449, 2005.

[46] G. Picard, M.-P. Gleizes, and P. Glize. Distri-buted Frequency Assignment Using Cooperative Self-Organization. In First IEEE International Conference onSelf-Adaptive and Self-Organizing Systems (SASO’07), Bos-ton, Mass., USA, July 9-11, 2007.

[47] A. Reitbauer, A. Battino, A. Karageorgos,N.Mehandjiev, P. Valckenaers, and B. Saint-Germain - TheMaBE middleware : extending multi-agent systems to en-able open business collaboration. In 6th IFIP InternationalConference on Information Technology for Balanced Auto-mation Systems in Manufacturing and Services (BASYS’04),2004.

[48] J. Sabater and C. Sierra, Review on computationaltrust and reputation models, Artificial Intelligence Review,24 (1) :33-60, 2001..

[49] J. Serment, B. Espinasse, E. Tranvouez. Systèmesd’Aide à la Décision Environne-mentale. Journal of Deci-sion Systems, vol. 17, n°2, pp. 269 - 300, April - June 2008.

[50] G. Serugendo, M-P Gleizes et A. Karageorgos (2006)Sel-organization and emer-gence in MAS : an overview, In-formatica, vol. 30, 45-54.

[51] D. Servat, J. Leonard, E. Perrier, and J. P. Treuil. TheRivage project : a new ap-proach for simulating runoff dy-namics. J.Feyen and K.Wiyo, (Eds.). Modelling of trans-portprocesses in soils, pp. 592- 601. Wageningen Press, Leuven,1999.

[52] Y. Shoham and M. Tennenholtz, On Social Laws forArtificial Agent Societies : Off-Line Design, Artificial Intelli-gence, Vol. 73, Number 1-2, pp. 231-252, 1995.

[53] H. Szczerbicka, J. Banks, R. Rogers, T. Ören, H. Sar-joughian et B. Zeigler : Concep-tions of curriculum for si-mulation education : panel. Winter Simulation Conference,pp.1635-1644, 2000.

[54] J-P Treuil, A. Drogoul, J-D Zucker, Modélisation etSimulation à base d’agents, Dunod 2008.

[55] Verhagen H. Simulation of the Learning of Norms.Social Science Computer Re-view 19 (3), pp. 296-306, 2001.

[56] D. Weyns, K. Schelfthout, T. Holvoet, andO.Glorieux. Role based model for adap-tive Agents. FourthSymposium on Adaptive Agents and Multiagent Systems atthe AISB ’04 Convention, 2004.


SOMMAIRE DES REVUES

Sommaire des revues

N’hésitez pas à envoyer un message à Brigitte Grau (Brigitte.Grau[at]limsi.fr) pour lui indiquer toute suggestion per-mettant d’améliorer cette rubrique. Les revues figurant régulièrement au sommaire mais n’ayant pas de nouveau numéroapparaissent seulement avec leur nom et leur adresse WEB.

REVUE D’INTELLI-GENCE ARTIFICIELLE

http://ria.e-revues.com/

RIA V23 no 2−3 2009Numéro spécialModélisation et décision pour les jeux, T. CAZENAVETricher n’est pas jouer ! Simulations et théorie des jeux : pro-blèmes méthodologiques, B. BEAUFILS, P. MATHIEUUtilisation de la recherche arborescente Monte-Carlo auHex, T. CAZENAVE, A. SAFFIDINECombiner connaissances expertes, hors-ligne, transienteset en ligne pour l’exploration Monte-Carlo. Apprentissageet MC, G. CHASLOT, L. CHATRIOT, C. FITER, S. GELLY, J.HOOCK, J. PEREZ, A. RIMMEL, O. TEYTAUDApprentissage par renforcement factorisé pour le compor-tement de personnages non joueurs, T. DEGRIS, O. SIGAUD,P. WUILLEMINDéfinir des individualités pour des personnages nonjoueurs, T. DUJARDIN, J. ROUTIERSTRADA, une approche adaptative pour les jeux de stratégiemodernes, C. MADEIRA, V. CORRUBLESimulation de la dynamique des émotions et des relationssociales de personnages virtuels, M. OCHS, N. SABOURET,V. CORRUBLEVers un modèle informatique générique de définition derègles de jeux, M. QUENAULTConstruction d’un joueur artificiel pour Tetris, C. THIERY,B. SCHERRER

RIA V23 no 4 2009Numéro spécialHuman-centered processes - current trends, P. LENCA, P.BRÉZILLON, G. COPPINEmotion, personality and decision-making, G. COPPINSubjectivity in decision analysis, D. OLSONThe influence of stress and mood on decision making in cri-tical situations. To what extent can we predict human per-formance ?, E. RONDEEL, M. KEMPEN, N. WIJNGAARDS, C.NIEUWENHUIS, R. HOLLANDModeling user search on a website by contextual graphs, P.BRÉZILLON, L. LÉGER, C. TIJUS

Cultural elements in internet software localization, V. DA-GIENE, T. JEVSIKOVATowards a human centered methodology for the dynamicallocation of functions, T. COYE DE BRUNÉLIS, P. LE BLAYEAcceptance of an animaloid robot as a starting point forcognitive stimulators supporting elders with cognitive im-pairments, A. GRECO, G. ANERDI, G. RODRIGUEZTowards context-based learning for support systems, J.BRÉZILLON

RIA V23 no 5 − 6 2009Numéro spécialAuto-organisation et adaptation dans les systèmes multi-agents, P. CHEVAILLIER, R. MANDIAUÉvaluation d’un système multirobot. Cas d’une constella-tion de satellites, G. BONNET, C. TESSIERPrincipe et exemples de réseaux terminologiques auto-organisateurs pour la personnalisation adaptative, S. VI-DEAU, V. CAMPS, P. GLIZETransaction de données sensibles au sein de systèmesmulti-agents hippocratiques, L. CRÉPIN, Y. DEMAZEAU, O.BOISSIER, F. JACQUENETLa maximisation du bien-être utilitaire des sociétésd’agents, A. NONGAILLARD, P. MATHIEU, B. JAUMARDOrdonnancement parallèle de simulations orientées agentUne approche basée sur l’analyse des dépendances tem-porelles des influences et perceptions, N. SÉBASTIEN, R.COURDIER, D. HOAREAU, M. HUGET, D. PAYETAgents mobiles et réseaux pair-à-pair Vers une gestion sé-curisée de l’information répartie, H. POMMIER, F. BOUR-DONAuto-ajustement de comportements agents par une ap-proche coopérative locale, S. LEMOUZY, C. BERNON, M.GLEIZESDe l’intérêt du couplage de modèles pour appréhender lesinteractions utilisateurs/réseaux dynamiques, J. SIEBERT,L. CIARLETTA, V. CHEVRIER

ARTIFICIAL INTELLIGENCE

http://www.sciencedirect.com/science/journal/

00043702



http://ria.e-revues.com/

http://www.sciencedirect.com/science/journal/00043702


SOMMAIRE DES REVUES

AI V173 no 5 − 6 APRIL 2009Special issueAdvances in Automated Plan Generation, by MARIA FOX,SYLVIE THIÉBAUXConcise finite-domain representations for PDDL planningtasks, MALTE HELMERTLearning from planner performance, MARK ROBERTS,ADELE HOWEAnytime heuristic search for partial satisfaction planning, J.BENTON, MINH DO, SUBBARAO KAMBHAMPATIA heuristic search approach to planning with temporally ex-tended preferences, JORGE A. BAIER, FAHIEM BACCHUS,SHEILA A. MCILRAITHDeterministic planning in the fifth international planningcompetition : PDDL3 and experimental evaluation of theplanners, ALFONSO E. GEREVINI, PATRIK HASLUM, DE-REK LONG, ALESSANDRO SAETTI, YANNIS DIMOPOULOSTask decomposition on abstract states, for planning undernondeterminism, UGUR KUTER, DANA NAU, MARCO PIS-TORE, PAOLO TRAVERSOProbabilistic planning with clear preferences on missing in-formation, MAXIM LIKHACHEV, ANTHONY STENTZThe factored policy-gradient planner, OLIVIER BUFFET,DOUGLAS ABERDEENPractical solution techniques for first-order MDPs, SCOTTSANNER, CRAIG BOUTILIER

AI V173 no 7 − 8 MAY 2009Automatic generation of textual summaries from neona-tal intensive care data, FRANÇOIS PORTET, EHUD REI-TER, ALBERT GATT, JIM HUNTER, SOMAYAJULU SRIPADA,YVONNE FREER, CINDY SYKESPsychiatric document retrieval using a discourse-awaremodel, LIANG-CHIH YU, CHUNG-HSIEN WU, FONG-LINJANGEfficient duration and hierarchical modeling for human ac-tivity recognition, THI DUONG, DINH PHUNG, HUNG BUI,SVETHA VENKATESHStrengths and synergies of evolved and designed control-lers : a study within collective robotics, GIANLUCA BAL-DASSARRE, STEFANO NOLFIAn options-based solution to the sequential auction pro-blem, ADAM I. JUDA, DAVID C. PARKES

AI V173 no 9 − 10 JUNE 2009Reasoning about preferences in argumentation frame-works, SANJAY MODGILDialogue games that agents play within a society, NISHANC. KARUNATILLAKE, NICHOLAS R. JENNINGS, IYAD RAH-WAN, PETER MCBURNEYQuantified epistemic logics for reasoning about knowledgein multi-agent systems, F. BELARDINELLI, A. LOMUSCIO

A case-based approach for coordinated action selection inrobot soccer, RAQUEL ROS, JOSEP LLUIS ARCOS, RAMONLOPEZ DE MANTARAS, MANUELA VELOSO

AI V173 no 11 JULY 2009Computer-aided proofs of Arrow’s and other impossibilitytheorems, PINGZHONG TANG, FANGZHEN LINRange and Roots : Two common patterns for specifying andpropagating counting and occurrence constraints, CHRIS-TIAN BESSIERE, EMMANUEL HEBRARD, BRAHIM HNICH,ZEYNEP KIZILTAN, TOBY WALSHContractor programming, GILLES CHABERT, LUC JAULINA probabilistic plan recognition algorithm based on plantree grammars, CHRISTOPHER W. GEIB, ROBERT P. GOLD-MAN

AI V173 no 12 − 13 AUGUST 2009The learnability of voting rules, ARIEL D. PROCACCIA, AVIVZOHAR, YONI PELEG, JEFFREY S. ROSENSCHEINApproximate belief updating in max-2-connected Bayesnetworks is NP-hard, EREZ KARPAS, SOLOMON EYAL SHI-MONY, AMOS BEIMELFrom the textual description of an accident to its causes,DANIEL KAYSER, FARID NOUIOUARational choice and AGM belief revision, GIACOMO BO-NANNOSolving connected row convex constraints by variable elimi-nation, YUANLIN ZHANG, SATYANARAYANA MARISETTI

AI V173 no 14 SEPT 2009A novel sequence representation for unsupervised ana-lysis of human activities, RAFFAY HAMID, SIDDHARTHAMADDI, AMOS JOHNSON, AARON BOBICK, IRFAN ESSA,CHARLES ISBELLImage interpretation with a conceptual graph : Labelingover-segmented images and detection of unexpected ob-jects, ALINE DERUYVER, YANN HODE, LUC BRUNProbabilistic models for melodic prediction, JEAN-FRANÇOIS PAIEMENT, SAMY BENGIO, DOUGLAS ECKRepresenting ontologies using description logics, des-cription graphs, and rules, BORIS MOTIK, BERNARDOCUENCA GRAU, IAN HORROCKS, ULRIKE SATTLERWeighted A* search - unifying view and application, RÜDI-GER EBENDT, ROLF DRECHSLERData reductions, fixed parameter tractability, and randomweighted d-CNF satisfiability, YONG GAO

AI V173 no 15 OCT 2009Vivid : a framework for heterogeneous problem solving,KONSTANTINE ARKOUDAS, SELMER BRINGSJORDEncoding deductive argumentation in quantified Booleanformulae, PHILIPPE BESNARD, ANTHONY HUNTER, STE-FAN WOLTRAN


SOMMAIRE DES REVUES

Stonian p-ortholattices : a new approach to the mereotopo-logy RT0, TORSTEN HAHMANN, MICHAEL WINTER, MI-CHAEL GRUNINGERTwo-terminal routing games with unknown active players,ITAI ASHLAGI, DOV MONDERER, MOSHE TENNENHOLTZ

AI V173 no 16 − 17 NOV 2009AND/OR Branch-and-Bound search for combinatorial op-timization in graphical models, RADU MARINESCU, RINADECHTERMemory intensive AND/OR search for combinatorial op-timization in graphical models, RADU MARINESCU, RINADECHTERKnowledge forgetting : Properties and applications, YANZHANG, YI ZHOU

AI V173 no 18 DEC 2009Uncertainty modelling for vague concepts : a prototypetheory approach, JONATHAN LAWRY, YONGCHUAN TANGThe computational complexity of ideal semantics, PAUL E.DUNNEReasoning from last conflict(s) in constraint programming,CHRISTOPHE LECOUTRE, LAKHDAR SAÏS, SEBASTIENTABARY, VINCENT VIDALAnalogical model formulation for transfer learning in APPhysics, MATTHEW KLENK, KEN FORBUS

AI V173 no 1 JANUARY 2010Inference of lexical ontologies. the LeOnI methodology, JA-VIER FARRERES, KARINA GIBERT, HORACIO RODRÍGUEZ,CHARNYOTE PLUEMPITIWIRIYAWEJSolving coalitional resource games, PAUL E. DUNNE, SARITKRAUS, EFRAT MANISTERSKI, MICHAEL WOOLDRIDGEA logic of delegation, TIMOTHY J. NORMAN, CHRIS REEDAn AGM-style belief revision mechanism for probabilisticspatio-temporal logics, JOHN GRANT, FRANCESCO PARISI,AUSTIN PARKER, V.S. SUBRAHMANIANBounded treewidth as a key to tractability of knowledgerepresentation and reasoning, GEORG GOTTLOB, REIN-HARD PICHLER, FANG WEI

AI MAGAZINE

http ://www.aaai.org / ojs / index.php / aimagazine / issue/ archive

AI MAGAZINE V30 no 1 SPRING 2009Agents, Bodies, Constraints, Dynamics, and Evolution,ALAN K. MACKWORTHRobots and Avatars as Hosts, Advisors, Companions, andJesters, CHARLES RICH, CANDACE L. SIDNERUsing Game Theory for Los Angeles Airport Security, JAMESPITA, MANISH JAIN, FERNANDO ORDÓÑEZ, CHRISTO-

PHER PORTWAY, MILIND TAMBE, CRAIG WESTERN, PRA-VEEN PARUCHURI, SARIT KRAUSPreference Handling - An Introductory Tutorial, RONENBRAFMAN, CARMEL DOMSHLAKReportsAAAI-08 and IAAI-08 Conferences Provide Focal Point for AIThe Seventeenth Annual AAAI Robot Exhibition and Mani-pulation and Mobility WorkshopThe AAAI 2008 Robotics and Creativity Workshop, AAAI2008 Workshop ReportsThe 2008 Scheduling and Planning Applications Workshop(SPARK’08)Report on the First Conference on Artificial General Intelli-gence (AGI-08)The Fourth International Conference on Intelligent Envi-ronments (IE 08) : a ReportReport on the Fourth International Conference on Know-ledge Capture (K-CAP 2007)

AI MAGAZINE V30 no 2 SUMMER 2009Special issueIntroduction to the Special Issue on IAAI 2008, MEHMET H.GOKER, KAREN ZITA HAIGHAutonomous Driving in Traffic : Boss and the Urban Chal-lenge, CHRIS URMSON, CHRIS BAKER, JOHN DOLAN,PAUL RYBSKI, BRYAN SALESKY, WILLIAM WHITTAKER,DAVE FERGUSON, MICHAEL DARMSBeyond Audio and Video : Using Claytronics to Enable Pa-rio, SETH COPEN GOLDSTEIN, TODD C. MOWRY, JASOND. CAMPBELL, MICHAEL P ASHLEY-ROLLMAN, MICHAELDE ROSA, STANISLAV FUNIAK, JAMES F. HOBURG, MUS-TAFA E. KARAGOZLER, BRIAN KIRBY, PETER LEE, PADMA-NABHAN PILLAI, J. ROBERT REID, DANIEL D. STANCIL,MICHAEL P. WELLERSmartChoice : An Online Recommender System to Sup-port Low-Income Families in Public School Choice, DAVIDC. WILSON, SUZANNE LELAND, KENNETH GODWIN, AN-DREW BAXTER, ASHLEY LEVY, JAMIE SMART, NADIA NAJ-JAR, JAYAKRISHNAN ANDAPARAMBILAn AI Framework to Teach English as a Foreign Language :CSIEC, JIYOU JIATactical Language and Culture Training Systems : Using AIto Teach Foreign Languages and Cultures, W. LEWIS JOHN-SON, ANDRE VALENTELocal Search for Optimal Global Map Generation UsingMid-Decadal Landsat Images, LINA KHATIB, ROBERT A.MORRIS, JOHN GASCHOptimal Crops Selection using Multiobjective EvolutionaryAlgorithms, RICARDO BRUNELLI, CHRISTIAN VON LÜ-CKENReportsReports of the AAAI 2008 Fall Symposia



http://www.aaai.org/ojs/index.php/aimagazine/issue/archive

http://www.aaai.org/ojs/index.php/aimagazine/issue/archive

SOMMAIRE DES REVUES

AI MAGAZINE V30 no 3 FALL 2009Computational Creativity : Coming of Age, SIMON COL-TON, RAMON LOPEZ DE MANTARAS, OLIVIERO STOCKConverging on the Divergent : the History (and Future) ofthe International Joint Workshops in Computational Creati-vity, AMÍLCAR CARDOSO, TONY VEALE, GERAINT A. WIG-GINSComputer Models of Creativity, MARGARET A. BODENYQX Plays Chopin, GERHARD WIDMER, SEBASTIANFLOSSMANN, MAARTEN GRACHTENComputational Approaches to Storytelling and Creativity,PABLO GERVASDeus Ex Machina - a Higher Creative Species in the Game ofChess, SHAY BUSHINSKYCan Computers Create Humor ?, GRAEME RITCHIEEssay in the Style of Douglas Hofstadter, DOUGLAS HOF-STADTERReportsReports of the AAAI 2009 Spring Symposia

COGNITIVE SCIENCE

http://www3.interscience.wiley.com/journal/

121670282/home

COGNITIVE SCIENCE V33 no 1 JAN / FEB 2009The Repetition-Break Plot Structure : a Cognitive Influenceon Selection in the Marketplace of Ideas, JEFFREY LOE-WENSTEIN, CHIP HEATHA Causal Model Theory of the Meaning of Cause, Enable,and Prevent, STEVEN SLOMAN, ARON K. BARBEY, JAREDM. HOTALINGLanguage Encodes Geographical Information, MAX M.LOUWERSE, ROLF A. ZWAANLexically Restricted Utterances in Russian, German, andEnglish Child-Directed Speech, SABINE STOLL, KIRSTENABBOT-SMITH, ELENA LIEVENBrief ReportsSunk-Cost Effects on Purely Behavioral Investments, MAR-CUS CUNHA, JR, FABIO CALDIERAROUsing the Hands to Identify Who Does What to Whom : Ges-ture and Speech Go Hand-in-Hand, WING CHEE SO, SO-TARO KITA, SUSAN GOLDIN-MEADOWThe Semantics of Prosody : Acoustic and Perceptual Evi-dence of Prosodic Correlates to Word Meaning, LYNNE C.NYGAARD, DEBORA S. HEROLD, LAURA L. NAMY

COGNITIVE SCIENCE V33 no 2 MARCH / APRIL 2009Mental Health Clinicians’ Beliefs About the Biological, Psy-chological, and Environmental Bases of Mental Disorders,WOO-KYOUNG AHN, CAROLINE C. PROCTOR, ELIZA-BETH H. FLANAGAN

Probabilistically Valid Inference of Covariation From aSingle x,y Observation When Univariate Characteristics AreKnown, MICHAEL E. DOHERTY, RICHARD B. ANDERSON,AMANDA M. KELLEY, JAMES H. ALBERTComputational Models for the Combination of Advice andIndividual Learning, GUIDO BIELE, JÖRG RIESKAMP, RI-CHARD GONZALEZSimilarity and Rules United : Similarity- and Rule-BasedProcessing in a Single Neural Network, TOM VERGUTS,WIM FIASLexical and Sublexical Units in Speech Perception, IBRA-HIMA GIROUX, ARNAUD REYThe Role of Moral Commitments in Moral Judgment, TANIALOMBROZOIndirect Evidence and the Poverty of the Stimulus : the Caseof Anaphoric One, STEPHANI FORAKER, TERRY REGIER,NAVEEN KHETARPAL, AMY PERFORS, JOSHUA TENEN-BAUM

COGNITIVE SCIENCE V33 no 3 MAY 2009Causal-Based Property Generalization, BOB REHDERAn Empirical and Computational Investigation of Percei-ving and Remembering Event Temporal Relations, SHULANLU, DEREK HARTER, ARTHUR C. GRAESSERArgumentation and Explanation in Conceptual Change : In-dications From Protocol Analyses of Peer-to-Peer Dialog,CHRISTA S. C. ASTERHAN, BARUCH B. SCHWARZRepresentation of Principled Connections : a Window Ontothe Formal Aspect of Common Sense Conception, SAN-DEEP PRASADA, ELAINE M. DILLINGHAMLearning to Attend : a Connectionist Model of Situated Lan-guage Comprehension, MARSHALL R. MAYBERRY, MAT-THEW W. CROCKER, PIA KNOEFERLEFishing for the Right Words : Decision Rules for Hu-man Foraging Behavior in Internal Search Tasks, ANDREASWILKE, JOHN M. C. HUTCHINSON, PETER M. TODD, UWECZIENSKOWSKIBrief ReportExploration and Exploitation During Sequential Search,GREGORY DAM, KONRAD KÖRDING

COGNITIVE SCIENCE V33 no 4 JUNE 2009Special Issue2007 Rumelhart Prize Special Issue Honoring Jeffrey L. El-man Language as a Dynamical SystemOn the Meaning of Words and Dinosaur Bones : LexicalKnowledge Without a Lexicon, JEFFREY L. ELMANIncrementality and Prediction in Human Sentence Proces-sing, GERRY T. M. ALTMANN, JELENA MIRKOVICThe Wind Chilled the Spectators, but the Wine Just Chil-led : Sense, Structure, and Sentence Comprehension, MARYHARE, JEFFREY L. ELMAN, TRACY TABACZYNSKI, KENMCRAE


http://www3.interscience.wiley.com/journal/121670282/home

http://www3.interscience.wiley.com/journal/121670282/home

SOMMAIRE DES REVUES

Lexical Organization and Competition in First and SecondLanguages : Computational and Neural Mechanisms, PINGLIConceptual Hierarchies in a Flat Attractor Network : Dy-namics of Learning and Computations, CHRISTOPHER M.O’CONNOR, GEORGE S. CREE, KEN MCRAELabels as Features (Not Names) for Infant Categorization : aNeurocomputational Approach, VALENTINA GLIOZZI, JU-LIEN MAYOR, JON-FAN HU, KIM PLUNKETT

COGNITIVE SCIENCE V33 no 5 JULY 2009Explanatory Pluralism in Cognitive Science, RICK DALE,ERIC DIETRICH, ANTHONY CHEMEROThey Do What They Are Told to Do : the Influence of Ins-truction on (Chess) Expert Perception-Commentary on Lin-hares and Brum (2007), MERIM BILALIC, FERNAND GO-BETHow Can Experts See the Invisible ? Reply to Bilalic and Go-bet, ALEXANDRE LINHARES, PAULO BRUMFrom Exemplar to Grammar : a Probabilistic Analogy-BasedModel of Language Learning, RENS BODA Probabilistic Model of Semantic Plausibility in Sen-tence Processing, ULRIKE PADÓ, MATTHEW W. CROCKER,FRANK KELLERMultitimescale Dynamical Interactions Between SpeechRhythm and Gesture, SAM TILSENSleep Deprivation and Sustained Attention Performance :Integrating Mathematical and Cognitive Modeling, GLENNGUNZELMANN, JOSHUA B. GROSS, KEVIN A. GLUCK, DA-VID F. DINGESCognitive Models of Choice : Comparing Decision FieldTheory to the Proportional Difference Model, BENJAMINSCHEIBEHENNE, JÖRG RIESKAMP, CLAUDIA GONZÁLEZ-VALLEJOBrief ReportsDo the Weak Stand a Chance ? Distribution of Resources ina Competitive Environment, JUDITH AVRAHAMI, YAAKOVKAREEVLearning Harmony : the Role of Serial Statistics, ERIN MC-MULLEN JONAITIS, JENNY R. SAFFRAN

COGNITIVE SCIENCE V33 no 6 AUGUST 2009The Wisdom of Individuals : Exploring People’s KnowledgeAbout Everyday Events Using Iterated Learning, STEPHANLEWANDOWSKY, THOMAS L. GRIFFITHS, MICHAEL L. KA-LISHWeighted Constraints in Generative Linguistics, JOE PATERPerception With Compensatory Devices : From SensorySubstitution to Sensorimotor Extension, MALIKA AUVRAY,ERIK MYINBuilding to Discover : a Common Coding Model, SANJAYCHANDRASEKHARAN

Changing Structures in Midstream : Learning Along the Sta-tistical Garden Path, ANDREA L. GEBHART, RICHARD N.ASLIN, ELISSA L. NEWPORTSpecialization Effect and Its Influence on Memory and Pro-blem Solving in Expert Chess Players, MERIM BILALIC, PE-TER MCLEOD, FERNAND GOBETBrief ReportsThe Role of Color in Human Face Detection, MARKUS BIN-DEMANN, A. MIKE BURTONSpatial Representations Elicit Dual-Coding Effects in Men-tal Imagery, MICHELLE VERGES, SEAN DUFFYHolistic Processing Is Tuned for In-Group Faces, KURT HU-GENBERG, OLIVIER CORNEILLE

COGNITIVE SCIENCE V33 no 7 SEPT / OCT 2009Learning Representations of Wordforms With RecurrentNetworks : Comment on Sibley, Kello, Plaut, & Elman (2008),JEFFREY S. BOWERS, COLIN J. DAVISSequence Encoders Enable Large-Scale Lexical Modeling :Reply to Bowers and Davis (2009), DARAGH E. SIBLEY,CHRISTOPHER T. KELLO, DAVID C. PLAUT, JEFFREY L. EL-MANSolving Geometric Analogy Problems Through Two-StageAnalogical Mapping, ANDREW LOVETT, EMMETT TOMAI,KENNETH FORBUS, JEFFREY USHERFear Conditioning and Social Groups : Statistics, Not Gene-tics, TIAGO V. MAIAInsights Into Knowledge Representation : the Influence ofAmodal and Perceptual Variables on Event Knowledge Re-trieval From Memory, SUSANNE RAISIG, TINKA WELKE,HERBERT HAGENDORF, ELKE VAN DER MEERCue Effects on Memory for Location When Navigating Spa-tial Displays, SYLVIA FITTING, DOUGLAS H. WEDELL,GARY L. ALLENBrief ReportsA Semantics-Based Approach to the "No Negative Evi-dence" Problem, BEN AMBRIDGE, JULIAN M. PINE, CARO-LINE F. ROWLAND, REBECCA L. JONES, VICTORIA CLARKRelationships Between Language Structure and LanguageLearning : the Suffixing Preference and Grammatical Ca-tegorization, MICHELLE C. ST. CLAIR, PADRAIC MONA-GHAN, MICHAEL RAMSCARThe Effect of Psychological Distance on Perceptual Level ofConstrual, NIRA LIBERMAN, JENS FÖRSTER

COGNITIVE SCIENCE V33 no 8 NOV / DEC 2009Reviving Inert Knowledge : Analogical Abstraction SupportsRelational Retrieval of Past Events, DEDRE GENTNER, JEF-FREY LOEWENSTEIN, LEIGH THOMPSON, KENNETH D.FORBUSRepresentation Recovers Information, CHRIS THORNTONTwo Routes to Face Perception : Evidence From Psychophy-sics and Computational Modeling, ADRIAN SCHWANIN-



SOMMAIRE DES REVUES

GER, JANEK S. LOBMAIER, CHRISTIAN WALLRAVEN, STE-PHAN COLLISHAWGlobal Model Analysis of Cognitive Variability, DAVID L.GILDENConversation, Gaze Coordination, and Beliefs About VisualContext, DANIEL C. RICHARDSON, RICK DALE, JOHN M.TOMLINSONOcclusion Is Hard : Comparing Predictive Reaching for Vi-sible and Hidden Objects in Infants and Adults, SUSANHESPOS, GUSTAF GREDEBÄCK, CLAES VON HOFSTEN,ELIZABETH S. SPELKEOn Leveraged Learning in Lexical Acquisition and Its Rela-tionship to Acceleration, COLLEEN MITCHELL, BOB MC-MURRAY

APPLIED ARTIFI-CIAL INTELLIGENCE

http://www.tandf.co.uk/journals/tf/08839514.

php

APPLIED AI V23 no 3 2009Guest Editorial : An Artificial Intelligence Miscellanea, Re-membering MARCO SOMALVICO, EPHRAIM NISSAN, GIU-SEPPINA GINI, MARCO COLOMBETTIThe Computer’s Subconscious, ROGER C. SCHANKThe Minerva System : a Step toward Automatically CreatedVirtual Museums, FRANCESCO AMIGONI, VIOLA SCHIAF-FONATIOntology-Based Learning Objects Search and Courses Ge-neration, MARIO ARRIGONI NERI, MARCO COLOMBETTIEnsembling Regression Models to Improve their Predicti-vity : a Case Study in QSAR (Quantitative Structure ActivityRelationships) with Computational Chemometrics, GIU-SEPPINA GINI, TUSHAR GARG, MARCO STEFANELLIA Case-Based Reasoning Approach to the Identificationof Materials from Diffraction Patterns, GIORA KIMMEL,YAAKOV HACOHEN-KERNER, EPHRAIM NISSAN, EUGENBERMAN

APPLIED AI V23 no 4 2009Boosting One-Class Support Vector Machines for Multi-Class Classification, CHI-YUAN YEH, ZHI-YING LEE, SHIE-JUE LEEStructuring and Modeling Data for Representing the Beha-vior of Agents In the Governance of the Brazilian FinancialSystem, ROSALVO ERMES STREIT, DENIS BORENSTEINStochastic Parsing and Evolutionary Algorithms, LOURDESARAUJO

APPLIED AI V23 no 5 2009An Empirical Comparison of Techniques for Handling In-complete Data Using Decision Trees, BHEKISIPHO TWALA

A Multi-Agent System for the Management of Abnormal Si-tuations In An Artificially Gas-Lifted Well, JOSÉ AGUILAR,FRANK PRATO, CÉSAR BRAVO, FRANCKLIN RIVASSpeech/Music Discrimination Based On Warping Trans-formation and Fuzzy Logic for Intelligent Audio Coding,JOSÉ ENRIQUE MUÑOZ-EXPÓSITO, SEBASTIÁN GARCÍAGALÁN, NICOLÁS RUIZ REYES, PEDRO VERA CANDEASHybrid Grey Relational Artificial Neural Network and AutoRegressive Integrated Moving Average Model for Forecas-ting Time-Series Data, ROSELINA SALLEHUDDIN, SITIMARIYAM HJ. SHAMSUDDIN

APPLIED AI V22 no 10 2008Diagnosing Cardiovascular Disease Using an EnhancedRough Sets Approach, CHING-HSUE CHENG, JR-SHIANCHENQuestion Answering Using Question Classification and Do-cument Tagging, YLLIAS CHALIAn Order-K Voronoi Approach to Geospatial ConceptManagement within Conceptual Spaces, ICKJAI LEE,KYUNGMI LEEGenetic Algorithm Model for Profit Maximization of Gene-rating Companies in Deregulated Electricity Markets, PAV-LOS S. GEORGILAKIS

APPLIED AI V23 no 7 2009Applications of Data Mining Techniques to Automatic FrogIdentification, CHENN-JUNG HUANG, YI-JU YANG, DIAN-XIU YANG, YOU-JIA CHENGaco - a Hybrid Ant Colony Optimization Metaheuristic forthe Dynamic Load-Balanced Clustering Problem in Ad HocNetworks, CHIN KUAN HO, HONG TAT EWEA Distributed Multi-Criteria Approach for Traffic Regulationin Public Transportation Systems, IMEN BOUDALI, KHA-LED GHEDIRAISRST : Generating Interesting Multimedia Stories on theWeb, ARTURO NAKASONE, HELMUT PRENDINGER, MIT-SURU ISHIZUKAPower Quality Disturbance Classification Using S-Transform and Radial Basis Network, T. JAYASREE, D. DE-VARAJ, R. SUKANESHPhrase and Ngram-Based Statistical Machine TranslationSystem Combination, MARTA R. COSTA-JUSSÀ, JOSÉ A. R.FONOLLOSA

APPLIED AI V23 no 8 2009Confidence Metrics for Association Rule Mining, XIAOWEIYAN, CHENGQI ZHANG, SHICHAO ZHANGLocalizing the Iris through Memetic Algorithms, MILENABUENO P. CARNEIRO, ANTÔNIO CLÁUDIO P. VEIGA, FER-NANDO C. DE CASTRO, EDNA LÚCIA FLÔRES, GILBERTOA. CARRIJO


http://www.tandf.co.uk/journals/tf/08839514.php

http://www.tandf.co.uk/journals/tf/08839514.php

SOMMAIRE DES REVUES

Pipeline Defect Prediction Using Support Vector Machines,DINO ISA, RAJPRASAD RAJKUMARConnecting Migration Method in a Mobile Agent System,HONG WANG, XIAOHUI WANG, YUANYUAN CAI, WEIHUI, JINGJING LIA Neural Network-Based System for Prediction of ComputerUser Comfort, SERAP ULUSAM SEÇKINER

APPLIED AI V23 no 9 2009Discrete Optimization Algorithms in Real-Time Visual Tra-cking, MIGUEL A. PATRICIO, IVAN DOTU, JESÚS GARCÍA,ANTONIO BERLANGA, JOSÉ M. MOLINAPrediction of Japanese Encephalitis Vectors in Kurnool Dis-trict of Andhra Pradesh, INDIA BY USING BAYESIAN NET-WORK, Upadhyayula Suryanarayana Murty, Mutheneni Sri-nivasa Rao, Natarajan ArunachalamAn Emergent Emotion Model for an Affective Mobile Guidewith Attitude, MEI YII LIM, RUTH AYLETTExperiments with Online Reinforcement Learning in Real-Time Strategy Games, KRESTEN TOFTGAARD ANDERSEN,YIFENG ZENG, DENNIS DAHL CHRISTENSEN, DUNGTRANUsing a Neural Network for Supporting Radiographic Diag-nosis of Dental Caries, FLÁVIO DE SOUZA BARBOSA, KA-RINA LOPES DEVITO, WALDIR NEME FELIPPE FILHOUsing Evolutionary Algorithms to Optimize AnthropogenicMaterial Streams, OLAF POLLMANN

APPLIED AI V23 no 10 2009Intelligent System Based on Genetic Programming for AtrialFibrillation Classification, OLGA VALENZUELA, IGNA-CIO ROJAS, FRANCISCO JAVIER ROJAS, HECTOR PO-MARES, JOSE LUIS BERNIER, JAVIER HERRERA, ALBERTOGUILLENDefining Topic Boundaries in Search Engine TransactionLogs Using Genetic Algorithms, SEDA OZMUTLU, COSKUNGENCER COSARA User-Dependent Easily-Adjusted Static Finger LanguageRecognition System for Handicapped Aphasiacs, YU-FENFU, CHENG-SEEN HOVerification of Distributed Firewalls Configuration vs. Secu-rity Policies Using ALCQI(D), NARGES KHAKPOUR, SAEEDJALILI

APPLIED INTELLIGENCE

http://www.kluweronline.com/issn/0924-669X/

APPLIED INTELLIGENCE V30 no 2 APRIL 2009Applying fuzzy neural network to estimate software deve-lopment effort, SUN-JEN HUANG, NAN-HSING CHIUDRFP-tree : disk-resident frequent pattern tree, MUHAIME-NUL ADNAN, REDA ALHAJJ

A new maximal-margin spherical-structured multi-classsupport vector machine, PEI-YI HAO, JUNG-HSIENCHIANG, YEN-HSIU LINFraudulent and malicious sites on the web, AHMED OBIED,REDA ALHAJJPersonalized e-news monitoring agent system for trackinguser-interested Chinese news events, CHIH-MING CHEN,CHAO-YU LIUPartial information basis for agent-based collaborative dia-logue, ASMA MOUBAIDDIN, NADIM OBEIDA modular neural network for super-resolution of humanfaces, MANUEL CARCENACAsynchronous action-reward learning for nonstationary se-rial supply chain inventory control, CHANG OUK KIM, ICK-HYUN KWON, JUN-GEOL BAEK

APPLIED INTELLIGENCE V30 no 3 JUNE 2009Special IssueSpecial Issue on Computational Intelligence Agents, guesteditors : CHANG-SHING LEE, VINCENZO LOIAHealthAgents : distributed multi-agent brain tumor diagno-sis and prognosis, HORACIO GONZÁLEZ-VÉLEZ, MARIOLAMIER, MARGARIDA JULIÀ-SAPÉ, THEODOROS N. ARVA-NITIS, JUAN M. GARCÍA-GÓMEZ, MONTSERRAT ROBLES,PAUL H. LEWIS, SRINANDAN DASMAHAPATRA, DAVIDDUPPLAW, ANDREW PEET, CARLES ARÚS, BERNARDOCELDA, SABINE VAN HUFFEL, MAGÍ LLUCH-ARIETOntology-based computational intelligent multi-agent andits application to CMMI assessment, CHANG-SHING LEE,MEI-HUI WANGInferring threats in urban environments with uncertain andapproximate data : an agent-based approach, LUNDY LE-WIS, JOHN BUFORD, GABRIEL JAKOBSONAdaptation of proxy certificates to non-repudiation pro-tocol of agent-based mobile payment systems, CHUNG-MING OU, C. R. OU

APPLIED INTELLIGENCE V31 no 1 AUGUST 2009Automated debugging of recommender user interfacedescriptions, ALEXANDER FELFERNIG, GERHARD FRIE-DRICH, KLAUS ISAK, KOSTYANTYN SHCHEKOTYKHIN,ERICH TEPPAN, DIETMAR JANNACHImproving fuzzy logic controllers obtained by experts :a case study in HVAC systems, RAFAEL ALCALÁ, JESÚSALCALÁ-FDEZ, MARÍA JOSÉ GACTO, FRANCISCO HER-RERAQuantum minimization for adapting ANFIS outputs to itsnonlinear generalized autoregressive conditional heteros-cedasticity, BAO RONG CHANG, HSIU-FEN TSAIMulti-instance clustering with applications to multi-instance prediction, MIN-LING ZHANG, ZHI-HUA ZHOUA dynamic holding strategy in public transit systems withreal-time information, BIN YU, ZHONGZHEN YANG



http://www.kluweronline.com/issn/0924-669X/

SOMMAIRE DES REVUES

Locality kernels for sequential data and their applications toparse ranking, EVGENI TSIVTSIVADZE, TAPIO PAHIKKALA,JORMA BOBERG, TAPIO SALAKOSKILearning teaching strategies in an Adaptive and Intelli-gent Educational System through Reinforcement Learning,ANA IGLESIAS, PALOMA MARTÍNEZ, RICARDO ALER, FER-NANDO FERNÁNDEZ

APPLIED INTELLIGENCE V31 no 2 OCT 2009Robust classification for spam filtering by back-propagation neural networks using behavior-based fea-tures, CHIH-HUNG WU, CHIUNG-HUI TSAIModified fuzzy ants clustering approach, SIRIPORN SU-PRATID, HWAJOON KIMFusion and normalization of quantitative possibilistic net-works, SALEM BENFERHAT, FAIZA TITOUNALogic-based interpretation of geometrically observablechanges occurring in dynamic scenes, M. V. DOS SANTOS,R. C. DE BRITO, H.-H. PARK, P. SANTOSQuantitative prediction of MHC-II peptide binding affinityusing relevance vector machine, WEN ZHANG, JUAN LIU,YANQING NIUEKEMAS, an agent-based geo-simulation framework tosupport continual planning in the real-word, NABIL SAHLI,BERNARD MOULIN

COMPUTATIONAL INTELLIGENCE

http://www.blackwellpublishing.com/journal.

asp?ref=0824-7935&site=1

COMPUTATIONAL INTELLIGENCE V25 no 2 MAY 2009Fuzzy Trust Aggregation and Personalized Trust Inferencein Virtual Social Networks, MOHSEN LESANI, NILOUFARMONTAZERIAdaptive Multi-Objective Optimization Based on Nondo-minated Solutions, DONGDONG YANG, LICHENG JIAO,MAOGUO GONGGuest Editorial : Marco Somalvico Memorial Issue,EPHRAIM NISSAN, GIUSEPPINA GINI, MARCO COLOM-BETTIClustering Very Large Data Sets Using a Low Memory MatrixFactored Representation, DAVID LITTAU, DANIEL BOLEYCommunication Languages for Multiagent Systems, MARIOVERDICCHIO, MARCO COLOMBETTI

COMPUTATIONAL INTELLIGENCE V25 no 2 2009Special issueIntroduction to the Special Issue on Case-Based Reasoningin the Health Sciences, ISABELLE BICHINDARITZ, STEFA-NIA MONTANIToward Case-Based Reasoning for Diabetes Management :a Preliminary Clinical Study and Decision Support Sys-

tem Prototype, CINDY MARLING, JAY SHUBROOK, FRANKSCHWARTZA Case-Based Decision Support System for Individual StressDiagnosis Using Fuzzy Similarity Matching, SHAHINA BE-GUM, MOBYEN UDDIN AHMED, PETER FUNK, NINGXIONG, BO VON SCHÉELECase-Based Reasoning for Managing Noncompliance withClinical Guidelines, STEFANIA MONTANIPrototypical Cases for Retrieval, Reuse, and KnowledgeMaintenance in Biomedical Case-Based Reasoning, ISA-BELLE BICHINDARITZA Cbr-Based, Closed-Loop Architecture for Temporal Abs-tractions Configuration, STEFANIA MONTANI, ALESSIOBOTTRIGHI, GIORGIO LEONARDI, LUIGI PORTINALENovelty Detection and In-Line Learning of Novel ConceptsAccording to a Case-Based Reasoning Process Schema forHigh-Content Image Analysis in System Biology and Medi-cine (P 250-263), PETRA PERNER

COMPUTATIONAL INTELLIGENCE V25 no 4 NOV 2009Metaphor Recognition : Chmeta, a Pattern-Based System,YUN YANG, CHANGLE ZHOU, XIAOJUN DING, JIAWEICHEN, XIAODONG SHIA Penalty-Logic Simple-Transition Model for Structured Se-quences, ALAN FERNPoyraz : Context-Aware Service Selection under Deception,MURAT SENSOY, JIE ZHANG, PINAR YOLUM, ROBIN CO-HENEfficient Markov Network Discovery Using Particle Filters,DIMITRIS MARGARITIS, FACUNDO BROMBERG

MINDS AND MACHINES

http://www.springer.com/west/home/computer/

computer+journals?SGWID=4-40100-70-35534114-0

MINDS AND MACHINES V19 no 2 MAY 2009Expertise and Intuition : a Tale of Three Theories, FERNANDGOBET, PHILIPPE CHASSYRussell’s Structuralism and the Supposed Death of Com-putational Cognitive Science, RICARDO RESTREPO ECHA-VARRIAThe Empirical Case against Analyticity : Two Options forConcept Pragmatists, BRADLEY RIVESA Logical Hole in the Chinese Room, MICHAEL JOHNSHAFFERImitation versus Communication : Testing for Human-LikeIntelligence, JAMIE CULLENMechanisms and Functional Brain Areas, GREGORY JOHN-SONBook reviewC. Mantzavinos : Naturalistic Hermeneutics, CambridgeUniversity Press, Cambridge, 2005, BRADFORD MCCALL


http://www.blackwellpublishing.com/journal.asp?ref=0824-7935&site=1

http://www.blackwellpublishing.com/journal.asp?ref=0824-7935&site=1

http://www.springer.com/west/home/computer/computer+journals?SGWID=4-40100-70-35534114-0

http://www.springer.com/west/home/computer/computer+journals?SGWID=4-40100-70-35534114-0

SOMMAIRE DES REVUES

Steven M. Platek, Julian Paul Keenan and Todd K. Shackel-ford (eds), Evolutionary Cognitive Neuroscience, MIT Press,Cambridge, 2007, MITCH PARSELLAlvin I. Goldman, Simulating Minds : the Philosophy, Psy-chology and Neuroscience of Mindreading, Oxford Univer-sity Press, New York, 2006, SUSAN STUARTUriah Kriegel and Kenneth Williford (eds), Self-Representational Approaches to Consciousness, MIT Press,Cambridge, MA, 2006, JASON FORD

MINDS AND MACHINES V19 no 3 AUGUST 2009Where is Cognitive Science Heading ?, FRANCISCO CALVOGARZÓN, ÁNGEL GARCÍA RODRÍGUEZEnaction-Based Artificial Intelligence : Toward Co-evolution with Humans in the Loop, PIERRE DE LOOR,KRISTEN MANAC’H, JACQUES TISSEAUEmpathy with Inanimate Objects and the Uncanny Valley,CATRIN MISSELHORNThe Survival of the Fittest and the Reign of the Most Robust :in Biology and Elsewhere, ALFONS SCHUSTER, YOKO YA-MAGUCHIA Brief Critique of Pure Hypercomputation, PAOLO COTO-GNOSemantic Dispositionalism, Idealization, and Ceteris Pari-bus Clauses, KAI-YUAN CHENGA Challenge for Machine Ethics, RYAN TONKENSBook reviewJerry Fodor, LOT 2 : the Language of Thought Revisited, NewYork : Oxford University Press, 2008, DAVID COLEMichael Devitt, Ignorance of Language, Oxford Univer-sity Press/Clarendon Press, Oxford, 2008, GARETH FITZGE-RALD

INTERNATIONAL JOURNAL OFHUMAN-COMPUTER STUDIES

http://www.elsevier.com/locate/ijhcs

IJHCS V67 no 5 MAY 2009Effects of time pressure and communication environmenton team processes and outcomes in dyadic planning, RICKVAN DER KLEIJ, JAMEELA T.E. LIJKWAN, PETER C. RAS-KER, CARSTEN K.W. DE DREUUse of an automatic content analysis tool : a technique forseeing both local and global scope, PAUL STOCKWELL, RO-BERT M. COLOMB, ANDREW E. SMITH, JANET WILESEngineering the social : the role of shared artifacts, JENIPAAY, LEON STERLING, FRANK VETERE, STEVE HOWARD,ANNE BOETTCHERA fuzzy logics clustering approach to computing human at-tention allocation using eyegaze movement cue, Y. LIN, W.J.ZHANG, C. WU, G. YANG, J. DY

Mobile technology for crime scene examination, CHRIS BA-BER, PAUL SMITH, MARK BUTLER, JAMES CROSS, JOHNHUNTERThe interaction of map resolution and spatial abilities onmap learning, CHRISTOPHER A. SANCHEZ, RUSSELL J.BRANAGHAN

IJHCS V67 no 6 JUNE 2009The influence of individual differences on continuance in-tentions of enterprise resource planning (ERP), SHIH-WEICHOU, PI-YU CHENA data structure for representing multi-version texts online,DESMOND SCHMIDT, ROBERT COLOMBMotion marking menus : an eyes-free approach to motioninput for handheld devices, IAN OAKLEY, JUNSEOK PARKSupporting novice usability practitioners with usability en-gineering tools, JONATHAN HOWARTH, TONYA SMITH-JACKSON, REX HARTSON

IJHCS V67 no 7 JULY 2009Dynamic picking system for 3D seismic data : Design andevaluation, PIERRE SALOM, REMI MEGRET, MARC DO-NIAS, YANNICK BERTHOUMIEUBehavioral and emotional consequences of brief delays inhuman-computer interaction, ANDRÉ J. SZAMEITAT, JANRUMMEL, DIANA P. SZAMEITAT, ANNETTE STERRWhen too heavy is just fine : Creating trustworthy e-healthadvisors, H.C. VAN VUGT, E.A. KONIJN, J.F. HOORN, J.VELDHUISSecurity practitioners in context : Their activities and inter-actions with other stakeholders within organizations, RO-DRIGO WERLINGER, KIRSTIE HAWKEY, DAVID BOTTA,KONSTANTIN BEZNOSOV

IJHCS V67 no 8 AUGUST 2009Short-term emotion assessment in a recall paradigm,GUILLAUME CHANEL, JOEP J.M. KIERKELS, MOHAMMADSOLEYMANI, THIERRY PUNI like you, but I won’t listen to you : Effects of rationality onaffective and behavioral responses to computers that flatter,EUN-JU LEEInteracting meaningfully with machine learning systems :Three experiments, SIMONE STUMPF, VIDYA RAJARAM,LIDA LI, WENG-KEEN WONG, MARGARET BURNETT,THOMAS DIETTERICH, ERIN SULLIVAN, JONATHAN HER-LOCKERVisual search-based design and evaluation of screen ma-gnifiers for older and visually impaired users, ZHENGXUANZHAO, PEI-LUEN PATRICK RAU, TING ZHANG, GAVRIELSALVENDY

IJHCS V67 no 9 SEPT 2009Artifact awareness through screen sharing for distributed



http://www.elsevier.com/locate/ijhcs

SOMMAIRE DES REVUES

groups, KIMBERLY TEE, SAUL GREENBERG, CARL GUT-WINVisual complexity of websites : Effects on users’ experience,physiology, performance, and memory, ALEXANDRE N.TUCH, JAVIER A. BARGAS-AVILA, KLAUS OPWIS, FRANK H.WILHELMMining meaning from Wikipedia, OLENA MEDELYAN, DA-VID MILNE, CATHERINE LEGG, IAN H. WITTENAffective interaction : How emotional agents affect users,RUSSELL BEALE, CHRIS CREEDInterruption management : a comparison of auditory andtactile cues for both alerting and orienting, C.A.P. SMITH,BENJAMIN A. CLEGG, ERIC D. HEGGESTAD, PAMELA J.HOPP-LEVINEThe movement patterns and the experiential componentsof virtual environments, HEIKKI SÄRKELÄ, JARI TAKATALO,PATRICK MAY, MIKKO LAAKSO, GÖTE NYMANCognition and the temporal arts : Investigating audienceresponse to dance using PDAs that record continuous dataduring live performance, CATHERINE J. STEVENS, EMERYSCHUBERT, RUA HASZARD MORRIS, MATT FREAR, JOHN-SON CHEN, SUE HEALEY, COLIN SCHOKNECHT, STE-PHEN HANSENConsiderate home notification systems : a user study ofacceptability of notifications in a living-room laboratory,MARTIJN H. VASTENBURG, DAVID V. KEYSON, HUIB DERIDDER

IJHCS V67 no 10 OCT 2009Designing for uncertain, asymmetric control : Interactiondesign for brain-computer interfaces, J. WILLIAMSON, R.MURRAY-SMITH, B. BLANKERTZ, M. KRAULEDAT, K.-R.MÜLLEREvaluating the effects of behavioral realism in embo-died agents, VICTORIA GROOM, CLIFFORD NASS, TINACHEN, ALEXIA NIELSEN, JAMES K. SCARBOROUGH,ERICA ROBLESPerceived interactivity leading to e-loyalty : Developmentof a model for cognitive-affective user responses, DIANNECYR, MILENA HEAD, ALEX IVANOVAutomated stress detection using keystroke and linguisticfeatures : an exploratory study, LISA M. VIZER, LINA ZHOU,ANDREW SEARSSupporting subject matter annotation using heterogeneousthesauri : a user study in Web data reuse, MICHIEL HIL-DEBRAND, JACCO VAN OSSENBRUGGEN, LYNDA HARD-MAN, GEERTJE JACOBS

IJHCS V67 no 11 NOV 2009Special issueSpecial issue on Sonic Interaction Design - SI : Sonic Inter-action Design, edited by DAVIDE ROCCHESSO, STEFANIASERAFIN

Auditory display design-An investigation of a design patternapproach, CHRISTOPHER FRAUENBERGER, TONY STO-CKMAN Special issue Interactive sonification of complexdata, SANDRA PAULETTO, ANDY HUNTThe Allobrain : an interactive, stereographic, 3D au-dio, immersive virtual world, JOHN THOMPSON, JOANNKUCHERA-MORIN, MARCOS NOVAK, DAN OVERHOLT,LANCE PUTNAM, GRAHAM WAKEFIELD, WESLEY SMITHSound design and perception in walking interactions, Y. VI-SELL, F. FONTANA, B.L. GIORDANO, R. NORDAHL, S. SE-RAFIN, R. BRESINEvaluation of live human-computer music-making : Quan-titative and qualitative approaches, D. STOWELL, A. RO-BERTSON, N. BRYAN-KINNS, M.D. PLUMBLEYToward the design and evaluation of continuous soundin tangible interfaces : the Spinotron, GUILLAUME LE-MAITRE, OLIVIER HOUIX, YON VISELL, KARMEN FRANI-NOVIC, NICOLAS MISDARIIS, PATRICK SUSINI

IJHCS V67 no 12 DEC 2009Special issueCollocated Social Practices Surrounding Photos, edited bySIÂN LINDLEY, ALEX TAYLOR, DAVE KIRK, ABI DURRANTCollocated social practices surrounding photos, SIÂN E.LINDLEY, ABIGAIL DURRANT, DAVID KIRK, ALEX S. TAY-LORHome curation versus teenage photography : Photo dis-plays in the family home, ABIGAIL DURRANT, DAVIDFROHLICH, ABIGAIL SELLEN, EVANTHIA LYONSTeachers’ and tutors’ social reflection around SenseCamimages, ROWANNE FLECK, GERALDINE FITZPATRICKSocial interaction around a rural community photo display,NICK TAYLOR, KEITH CHEVERSTMobiphos : a study of user engagement with a mobilecollocated-synchronous photo sharing application, NIR-MAL PATEL, JAMES CLAWSON, AMY VOIDA, KENT LYONSBridging the gap between the Kodak and the Flickr gene-rations : a novel interaction technique for collocated photosharing, CHRISTIAN KRAY, MICHAEL ROHS, JONATHANHOOK, SVEN KRATZCollocated photo sharing, story-telling, and the perfor-mance of self, NANCY A. VAN HOUSEUsing physical memorabilia as opportunities to move intocollocated digital photo-sharing, MICHAEL NUNES, SAULGREENBERG, CARMAN NEUSTAEDTER

COMPUTATIONAL LINGUISTICS

http://mitpress.mit.edu/catalog/item/default.

asp?sid=8563C099-9701-4DD2-85C8-8F3502E9C8AE&ttype=

4&tid=10


http://mitpress.mit.edu/catalog/item/default.asp?sid=8563C099-9701-4DD2-85C8-8F3502E9C8AE&ttype=4&tid=10



SOMMAIRE DES REVUES

COMPUTATIONAL LINGUISTICS V35 no 1 MARCH 2008Statistical Approaches to Computer-Assisted Translation,SERGIO BARRACHINA, OLIVER BENDER, FRANCISCO CA-SACUBERTA, JORGE CIVERA, ELSA CUBEL, SHAHRAMKHADIVI, ANTONIO LAGARDA, HERMANN NEY, JESÚSTOMÁS, ENRIQUE VIDAL, JUAN-MIGUEL VILAREvaluating Centering for Information Ordering Using Cor-pora, NIKIFOROS KARAMANIS, CHRIS MELLISH, MAS-SIMO POESIO, JON OBERLANDERThe Complexity of Ranking Hypotheses in OptimalityTheory, JASON RIGGLEUnsupervised Type and Token Identification of Idioma-tic Expressions, AFSANEH FAZLY, PAUL COOK, SUZANNESTEVENSONBook ReviewDiscourse on the Move : Using Corpus Analysis to DescribeDiscourse Structure, Douglas Biber, Ulla Connor, and Tho-mas A. Upton (Northern Arizona University and IndianaUniversity-Indianapolis) John Benjamins Publishing (Stu-dies in corpus linguistics, edited by Elena Tognini-Bonelli,volume 28), 2007, MARINA SANTINI

COMPUTATIONAL LINGUISTICS V35 no 2 JUNE 2008Special IssuePrepositions in Applications : a Survey and Introduction tothe Special Issue, TIMOTHY BALDWIN, VALIA KORDONI,ALINE VILLAVICENCIOExploiting Semantic Role Resources for Preposition Disam-biguation, TOM O’HARA, JANYCE WIEBEThe Syntax and Semantics of Prepositions in the Task ofAutomatic Interpretation of Nominal Phrases and Com-pounds : a Cross-Linguistic Study, ROXANA GIRJUA Minimal Recursion Semantic Analysis of Locatives, FRE-DRIK JØRGENSEN, JAN TORE LØNNINGApplying Computational Models of Spatial Prepositions toVisually Situated Dialog, JOHN D. KELLEHER, FINTAN J.COSTELLOBook ReviewIntroduction to Information Retrieval, Christopher D. Man-ning, Prabhakar Raghavan, and Hinrich Schütze (Stan-ford University, Yahoo ! Research, and University of Stutt-gart) Cambridge : Cambridge University Press, 2008, OLGAVECHTOMOVA

COMPUTATIONAL LINGUISTICS V35 no 3 SEPT 2008A Framework for Fast Incremental Interpretation duringSpeech Decoding, WILLIAM SCHULER, STEPHEN WU,LANE SCHWARTZRobust Understanding in Multimodal Interfaces, SRINIVASBANGALORE, MICHAEL JOHNSTONRecognizing Contextual Polarity : an Exploration of Fea-tures for Phrase-Level Sentiment Analysis, THERESA WIL-SON, JANYCE WIEBE, PAUL HOFFMANN

Bootstrapping Distributional Feature Vector Quality,MAAYAN ZHITOMIRSKY-GEFFET, IDO DAGANBook ReviewSpeech and Language Processing (second edition) DanielJurafsky and James H. Martin (Stanford University and Uni-versity of Colorado at Boulder) Pearson Prentice Hall, 2009,VLADO KESELJ

NATURAL LAN-GUAGE ENGINEERING

http://journals.cambridge.org/action/displayJournal?

jid=NLE

NLE V15 no 2 2009Ordering the suggestions of a spellchecker without usingcontext, ROGER MITTONOn the subjectivity of human-authored summaries, BALA-KRISHNA KOLLURU and YOSHIHIKO GOTOHA Semantic Scattering model for the automatic interpreta-tion of English genitives, ADRIANA BADULESCU and DANMOLDOVANAdapting SVM for data sparseness and imbalance : a casestudy in information extraction, YAOYONG LI, KALINABONTCHEVA and HAMISH CUNNINGHAMA tractable hybrid DDN-POMDP approach to affective dia-logue modeling for probabilistic frame-based dialogue sys-tems, TRUNG H. BUI, MANNES POEL, ANTON NIJHOLTand JOB ZWIERSBook ReviewsAbdelhadi Soudi, Antal van den Bosch and GünterNeumann, editors. Arabic Computational Morphology,Knowledge-Based and Empirical Methods, Dordrecht, theNetherlands : Springer, 2007, ERNST BUCHBERGERHermann Helbig. Knowledge Representation and the Se-mantics of Natural Language, Berlin, Springer-Verlag, 2006,TRACY HOLLOWAY KING

NLE V15 no 3 2009Automatic annotation of context and speech acts for dia-logue corpora, KALLIRROI GEORGILA, OLIVER LEMON,JAMES HENDERSON and JOHANNA D. MOORELearning effective and engaging strategies for advice-givinghuman-machine dialogue, MARTIJN SPITTERS, MARCODE BONI, JAKUB ZAVREL and REMKO BONNEMAA corpus-based analysis of argument realization by prepo-sition structures, QIBO ZHUThe FrameNet model and its applications, BIRTELÖNNEKER-RODMAN and COLLIN F. BAKERBook ReviewsRoland Hausser. a Computational Model of Natural Lan-guage Communication. Berlin, Heidelberg : Springer-Verlag, 2006, Sandy Berkovski



http://journals.cambridge.org/action/displayJournal?jid=NLE

http://journals.cambridge.org/action/displayJournal?jid=NLE

SOMMAIRE DES REVUES

NLE V15 no 4 2009Inferring textual entailment with a probabilistically soundcalculus, STEFAN HARMELINGRecognizing entailment in intelligent tutoring systems,RODNEY D. NIELSEN, WAYNE WARD and JAMES H. MAR-TINExtracting paraphrase patterns from bilingual parallel cor-pora, SHIQI ZHAO, HAIFENG WANG, TING LIU andSHENG LIAssessing the impact of frame semantics on textualentailment, ALJOSCHA BURCHARDT, MARCO PENNAC-CHIOTTI, STEFAN THATER and MANFRED PINKALA machine learning approach to textual entailment recog-nition, FABIO MASSIMO ZANZOTTO, MARCO PENNAC-CHIOTTI and ALESSANDRO MOSCHITTI

USER MODELLING AND USER-ADAPTED INTERACTION

http://www.wkap.nl/jrnltoc.htm/0924-1868

UMUAI V19 no 1 − 2 FEB 2008Special issueSpecial Issue on Data Mining for Personalization, BAM-SHAD MOBASHER, ALEXANDER TUZHILINSearch personalization through query and page topical ana-lysis, SOFIA STAMOU, ALEXANDROS NTOULASCross-representation mediation of user models, SHLOMOBERKOVSKY, TSVI KUFLIK, FRANCESCO RICCIUnsupervised strategies for shilling detection and robustcollaborative filtering, BHASKAR MEHTA, WOLFGANG NE-JDLAn architecture for making recommendations to course-ware authors using association rule mining and collabora-tive filtering, ENRIQUE GARCÍA, CRISTÓBAL ROMERO, SE-BASTIÁN VENTURA, CARLOS DE CASTROCase-studies on exploiting explicit customer requirementsin recommender systems, MARKUS ZANKER, MARKUSJESSENITSCHNIG

UMUAI V19 no 3 AUGUST 2008Interaction design guidelines on critiquing-based recom-mender systems, LI CHEN, PEARL PUManaging uncertainty in group recommending processes,LUIS M. DE CAMPOS, JUAN M. FERNANDEZ-LUNA, JUANF. HUETE, MIGUEL A. RUEDA-MORALESAddressing the assessment challenge with an online systemthat tutors as it assesses, MINGYU FENG, NEIL HEFFER-NAN, KENNETH KOEDINGEREmpirically building and evaluating a probabilistic modelof user affect, CRISTINA CONATI, HEATHER MACLAREN

UMUAI V19 no 4 OCT 2008Can eyes reveal interest ? Implicit queries from gaze pat-terns, ANTTI AJANKI, DAVID R. HARDOON, SAMUELKASKI, KAI PUOLAMÄKI, JOHN SHAWE-TAYLOR Log fileanalysis for disengagement detection in e-Learning envi-ronments, MIHAELA COCEA, STEPHAN WEIBELZAHL

COMPUTER SPEECHAND LANGUAGE

http://www.sciencedirect.com/science/journal/

08852308

COMPUTER SPEECH & LANGUAGE V23 no 3 JULY 2009Arabic diacritic restoration approach based on maximumentropy models, IMED ZITOUNI, RUHI SARIKAYAAn analysis of prosodic information for the recognition ofdialogue acts in a multimodal corpus in Mexican Spanish,SERGIO R. CORIA, LUIS A. PINEDALearning-based pronoun resolution for Turkish with a com-parative evaluation, YILMAZ KILIÇASLAN, EDIP SERDARGÜNER, SAVAS YILDIRIMThe RavenClaw dialog management framework : Architec-ture and systems, DAN BOHUS, ALEXANDER I. RUDNICKYAn Ngram-based reordering model, MARTA R. COSTA-JUSSÀ, JOSÉ A.R. FONOLLOSAImproving GMM-UBM speaker verification using discrimi-native feedback adaptation, YI-HSIANG CHAO, WEI-HOTSAI, HSIN-MIN WANGA unified framework of HMM adaptation with joint com-pensation of additive and convolutive distortions, JINYU LI,LI DENG, DONG YU, YIFAN GONG, ALEX ACERO

COMPUTER SPEECH & LANGUAGE V23 no 4 OCT 2009Combining lexical, syntactic and prosodic cues for impro-ved online dialog act tagging, VIVEK KUMAR RANGARAJANSRIDHAR, SRINIVAS BANGALORE, SHRIKANTH NARAYA-NANA data-driven grapheme-to-phoneme conversion methodusing dynamic contextual converting rules for Korean TTSsystems, JINSIK LEE, GARY GEUNBAE LEEThe effect of code-mixing on accent identification accuracy,THOMAS NIESLER, FEBE DE WETSyllabification rules versus data-driven methods in a lan-guage with low syllabic complexity : the case of Ita-lian, CONNIE R. ADSETT, YANNICK MARCHAND, VLADOKES ?ELJLabel propagation via bootstrapped support vectors for se-mantic relation extraction between named entities, ZHOUGUODONG, QIAN LONGHUA, ZHU QIAOMINGData-driven user simulation for automated evaluation ofspoken dialog systems, SANGKEUN JUNG, CHEONGJAE





SOMMAIRE DES REVUES

LEE, KYUNGDUK KIM, MINWOO JEONG, GARY GEUNBAELEEHarnessing graphics processors for the fast computation ofacoustic likelihoods in speech recognition, PAUL R. DIXON,TASUKU OONISHI, SADAOKI FURUIIXIR : a statistical information distillation system, MICHAELLEVIT, DILEK HAKKANI-TÜR, GOKHAN TUR, DANIEL GIL-LICK

COMPUTER SPEECH & LANGUAGE V24 no 1 JANUARY2010Special issueSpeech Separation and Recognition Challenge, edited byMARTIN COOKE, TE-WON LEE ADD TO MY QUICK LINKSADD TO MY QUICK LINKSMonaural speech separation and recognition challenge,MARTIN COOKE, JOHN R. HERSHEY, STEVEN J. RENNIESpeech separation using speaker-adapted eigenvoicespeech models, RON J. WEISS, DANIEL P.W. ELLISMonaural speech separation based on MAXVQ and CASAfor robust speech recognition, PENG LI, YONG GUAN, SHI-JIN WANG, BO XU, WENJU LIUSuper-human multi-talker speech recognition : a graphicalmodeling approach, JOHN R. HERSHEY, STEVEN J. REN-NIE, PEDER A. OLSEN, TRAUSTI T. KRISTJANSSONCombining missing-feature theory, speech enhance-ment, and speaker-dependent/-independent modeling forspeech separation, JI MING, TIMOTHY J. HAZEN, JAMES R.GLASSA computational auditory scene analysis system for speechsegregation and robust speech recognition, YANG SHAO,SOUNDARARAJAN SRINIVASAN, ZHAOZHANG JIN, DE-LIANG WANGSpeech fragment decoding techniques for simultaneousspeaker identification and speech recognition, JON BAR-KER, NING MA, ANDRÉ COY, MARTIN COOKE

COMPUTER SPEECH & LANGUAGE V24 no 2 APRIL 2010Modelling text prediction systems in low- and high-inflected languages, NESTOR GARAY-VITORIA, JULIOABASCALDynamic visual features for audio-visual speaker verifica-tion, DAVID DEAN, SRIDHA SRIDHARANThe Hidden Information State model : a practical fra-mework for POMDP-based spoken dialogue management,STEVE YOUNG, MILICA GASIC, SIMON KEIZER, FRAN-ÇOIS MAIRESSE, JOST SCHATZMANN, BLAISE THOMSON,KAI YUInitiative conflicts in task-oriented dialogue, FAN YANG,PETER A. HEEMANDynamic Bayesian networks and variable length genetic al-gorithm for designing cue-based model for dialogue act re-

cognition, ANWAR ALI YAHYA, RAMLAN MAHMOD, ABDRAHMAN RAMLIStudy on pharyngeal and uvular consonants in foreign ac-cented Arabic for ASR, YOUSEF AJAMI ALOTAIBI, GHULAMMUHAMMADTowards modeling user behavior in interactions mediatedthrough an automated bidirectional speech translation sys-tem, JONGHO SHIN, PANAYIOTIS G. GEORGIOU, SHRI-KANTH NARAYANANA combination of data mining method with decision treesbuilding for Speech/Music discrimination, QIONG WU,QIN YAN, HAOJIANG DENG, JINLIN WANGSpeech segmentation using regression fusion of boundarypredictions, IOSIF MPORAS, TODOR GANCHEV, NIKOS FA-KOTAKISCascaded model adaptation for dialog act segmentationand tagging, UMIT GUZ, GOKHAN TUR, DILEK HAKKANI-TÜR, SÉBASTIEN CUENDETJoint evaluation of multiple speech patterns for speechrecognition and training, NISHANTH ULHAS NAIR, T.V.SREENIVASA wavelet-based parameterization for speech/music discri-mination, E. DIDIOT, I. ILLINA, D. FOHR, O. MELLASpoken language understanding using weakly supervisedlearning, WEI-LIN WU, RU-ZHAN LU, JIAN-YONG DUAN,HUI LIU, FENG GAO, YU-QUAN CHENExtending lexical association measures for collocation ex-traction, SASA PETROVIC, JAN SNAJDER, BOJANA DAL-BELO BASICEvaluation of a hierarchical reinforcement learning spokendialogue system, HERIBERTO CUAYÁHUITL, STEVE RE-NALS, OLIVER LEMON, HIROSHI SHIMODAIRA

MACHINE LEARNING


MACHINE LEARNING V75 N°1 APRIL 2009Special issueSpecial issue on mining and learning with graphs, guest edi-tors : THOMAS GÄRTNER, GEMMA C. GARRIGAGraph kernels based on tree patterns for molecules, PIERREMAHE, JEAN-PHILIPPE VERTOn the properties of von Neumann kernels for link analy-sis, MASASHI SHIMBO, TAKAHIKO ITO, DAICHI MOCHI-HASHI, YUJI MATSUMOTOgBoost : a mathematical programming approach to graphclassification and regression, HIROTO SAIGO, SEBAS-TIAN NOWOZIN, TADASHI KADOWAKI, TAKU KUDO, KOJITSUDAMining probabilistic automata : a statistical view of sequen-tial pattern mining, STEPHANIE JACQUEMONT, FRAN-ÇOIS JACQUENET, MARC SEBBAN




SOMMAIRE DES REVUES

An efficient algorithm for learning to rank from preferencegraphs, TAPIO PAHIKKALA, EVGENI TSIVTSIVADZE, ANTTIAIROLA, JOUNI JÄRVINEN, JORMA BOBERG

MACHINE LEARNING V75 no 2 MAY 2009Efficient covariance matrix update for variable metric evo-lution strategies, THORSTEN SUTTORP, NIKOLAUS HAN-SEN, CHRISTIAN IGELUpper bound for variational free energy of Bayesian net-works, KAZUHO WATANABE, MOTOKI SHIGA, SUMIO WA-TANABEBayesian learning of graphical vector autoregressions withunequal lag-lengths, PEKKA MARTTINEN, JUKKA CORAN-DERNP-hardness of Euclidean sum-of-squares clustering, DA-NIEL ALOISE, AMIT DESHPANDE, PIERRE HANSEN,PREYAS POPAT

MACHINE LEARNING V75 no 3 JUNE 2009Pool-based active learning in approximate linear regres-sion, MASASHI SUGIYAMA, SHINICHI NAKAJIMAThe generalization performance of ERM algorithm withstrongly mixing observations, BIN ZOU, LUOQING LI,ZONGBEN XUSearch-based structured prediction, HAL DAUMÉ, JOHNLANGFORD, DANIEL MARCUTransfer bounds for linear feature learning, ANDREASMAURER

MACHINE LEARNING V76 no 1 JULY 2009Special IssueInductive Logic Programming, guest editors : FILIP ZE-LEZNÝ, NADA LAVRACBrave induction : a logical framework for learning from in-complete information, CHIAKI SAKAMA, KATSUMI INOUEThe lattice structure and refinement operators for the hy-pothesis space bounded by a bottom clause, ALIREZATAMADDONI-NEZHAD, STEPHEN MUGGLETONUsing the bottom clause and mode declarations in FOLtheory revision from examples, ANA LUÍSA DUBOC, ALINEPAES, GERSON ZAVERUCHAAn investigation into feature construction to assist wordsense disambiguation, LUCIA SPECIA, ASHWIN SRINIVA-SAN, SACHINDRA JOSHI, GANESH RAMAKRISHNAN, MA-RIA DAS GRAÇAS VOLPE NUNESLearning block-preserving graph patterns and its applica-tion to data mining, HITOSHI YAMASAKI, YOSUKE SASAKI,TAKAYOSHI SHOUDAI, TOMOYUKI UCHIDA, YUSUKE SU-ZUKI

MACHINE LEARNING V76 no 2 − 3 SEPT 2009Special Issue

Special Issue from ECML PKDD 2009, guest editors : ALEK-SANDER KOLCZ, DUNJA MLADENIC, WRAY BUNTINE,MARKO GROBELNIK„ JOHN SHAWE-TAYLORSparse kernel SVMs via cutting-plane training, THORSTENJOACHIMS, CHUN-NAM JOHN YULearning multi-linear representations of distributions forefficient inference, DAN ROTH, RAJHANS SAMDANICombining instance-based learning and logistic regressionfor multilabel classification, WEIWEI CHENG, EYKE HÜL-LERMEIEROn structured output training : hard cases and an efficientalternative, THOMAS GÄRTNER, SHANKAR VEMBUHybrid least-squares algorithms for approximate policyevaluation, JEFF JOHNS, MAREK PETRIK, SRIDHAR MA-HADEVANA self-training approach to cost sensitive uncertainty sam-pling, ALEXANDER LIU, GOO JUN, JOYDEEP GHOSHCost-sensitive learning based on Bregman diver-gences, RAÚL SANTOS-RODRÍGUEZ, ALICIA GUERRERO-CURIESES, ROCÍO ALAIZ-RODRÍGUEZ, JESÚS CID-SUEIRO

MACHINE LEARNING V77 no 1 OCT 2009Local procrustes for manifold embedding : a measureof embedding quality and embedding algorithms, YAIRGOLDBERG, YA’ACOV RITOVCutting-plane training of structural SVMs, THORSTEN JOA-CHIMS, THOMAS FINLEY, CHUN-NAM JOHN YUAnytime classification for a pool of instances, BEI HUI,YING YANG, GEOFFREY I. WEBBMeasuring classifier performance : a coherent alternative tothe area under the ROC curve, DAVID J. HANDCluster-grouping : from subgroup discovery to clustering,ALBRECHT ZIMMERMANN, LUC DE RAEDT

MACHINE LEARNING V77 no 2 − 3 DEC 2009Special IssueSpecial Issue on Structured Prediction, guest editors :CHARLES PARKER, YASEMIN ALTUN„ PRASAD TADEPALLIPiecewise training for structured prediction, CHARLESSUTTON, ANDREW MCCALLUMPeriodic step-size adaptation in second-order gradient des-cent for single-pass on-line structured learning, CHUN-NAN HSU, HAN-SHEN HUANG, YU-MING CHANG, YUH-JYE LEEGeneralized isotonic conditional random fields, YI MAO,GUY LEBANONStructured prediction by joint kernel support estimation,CHRISTOPH H. LAMPERT, MATTHEW B. BLASCHKOStructured prediction with reinforcement learning, FRAN-CIS MAES, LUDOVIC DENOYER, PATRICK GALLINARITraining parsers by inverse reinforcement learning, GER-GELY NEU, CSABA SZEPESVÁRI


SOMMAIRE DES REVUES

NEURAL NETWORKS

http://www.elsevier.com/inca/publications/

store/8/4/1/

NEURAL NETWORKS V22 no 2 MARCH 2009Special IssueWhat it Means to Communicate, edited by S. WERMTER,M. PAGE, M. KNOWLES, V. GALLESE, F. PULVERMÜLLER,J. TAYLOR ADD TO MY QUICK LINKSMultimodal communication in animals, humans and ro-bots : an introduction to perspectives in brain-inspired in-formatics, S. WERMTER, M. PAGE, M. KNOWLES, V. GAL-LESE, F. PULVERMÜLLER, J. TAYLOREmergence of structured interactions : From a theoreticalmodel to pragmatic robotics, A. REVEL, P. ANDRYCortical basis of communication : Local computation, coor-dination, attention, FREDERIC ALEXANDRENeural associative memories for the integration of lan-guage, vision and action in an autonomous agent, H. MAR-KERT, U. KAUFMANN, Z. KARA KAYIKCI, G. PALMCross-modal and scale-free action representations throughenaction, ALEX PITTI, HASSAN ALIREZAEI, YASUO KU-NIYOSHIImplicit and explicit representations, NICOLAS P. ROUGIERDiscrete combinatorial circuits emerging in neural net-works : a mechanism for rules of grammar in the humanbrain ?, FRIEDEMANN PULVERMÜLLER, ANDREAS KNO-BLAUCHRobotic sound-source localisation architecture using cross-correlation and recurrent neural networks, JOHN C. MUR-RAY, HARRY R. ERWIN, STEFAN WERMTEREmbodying meaning : Insights from primates, autism, andBrentano, JUAN CARLOS GÓMEZ

NEURAL NETWORKS V22 no 3 APRIL 2009Special issueGoal-Directed Neural Systems, edited by DANIEL LEVINE,ROBERT KOZMA, LEONID PERLOVSKYIntelligence in the brain : a theory of how it works and howto build it, PAUL J. WERBOSGoal-directed control and its antipodes, PETER DAYANAdaptive learning via selectionism and Bayesianism, Part I :Connection between the two, JUN ZHANGAdaptive learning via selectionism and Bayesianism, Part II :the sequential case, JUN ZHANGNeural network approach to continuous-time direct adap-tive optimal control for partially unknown nonlinear sys-tems, DRAGUNA VRABIE, FRANK LEWISLanguage and cognition, LEONID PERLOVSKYRepresentation in dynamical agents, RONNIE WARD, RO-BERT WARD

Facilitating neural dynamics for delay compensation : aroad to predictive neural dynamics ?, JAEROCK KWON,YOONSUCK CHOEThe KIV model of intentional dynamics and decision ma-king, ROBERT KOZMA, WALTER J. FREEMANBrain pathways for cognitive-emotional decision making inthe human animal, DANIEL S. LEVINEValuation of uncertain and delayed rewards in primate pre-frontal cortex, SOYOUN KIM, JAEWON HWANG, HYOJUNGSEO, DAEYEOL LEEExploiting co-adaptation for the design of symbiotic neuro-prosthetic assistants, JUSTIN C. SANCHEZ, BABAK MAH-MOUDI, JACK DIGIOVANNA, JOSE C. PRINCIPECoordinated machine learning and decision support forsituation awareness, N.G. BRANNON, J.E. SEIFFERTT, T.J.DRAELOS, D.C. WUNSCH IIEvolving neural networks for strategic decision-makingproblems, NATE KOHL, RISTO MIIKKULAINEN

NEURAL NETWORKS V22 no 4 MAY 2009On periodic solutions of neural networks via differential in-clusions, XIAOYANG LIU, JINDE CAOCluster synchronization in an array of hybrid coupled neu-ral networks with delay, JINDE CAO, LULU LIStability analysis of static recurrent neural networks usingdelay-partitioning and projection, BAOZHU DU, JAMESLAMPsychology and Cognitive ScienceLearning and generation of goal-directed arm reachingfrom scratch, HIROYUKI KAMBARA, KYOUNGSIK KIM,DUK SHIN, MAKOTO SATO, YASUHARU KOIKENeuroscience and NeuropsychologySuper resolution : Another computational role of short-range horizontal connection in the primary visual cortex,HIROAKI SASAKI, SHUNJI SATOHGeneration and control of cortical gamma : findings fromsimulation at two scales, J.J. WRIGHTMathematical and Computational AnalysisAccuracy of Loopy belief propagation in Gaussian models,YU NISHIYAMA, SUMIO WATANABESymbolic function network, GEORGE S. ESKANDER, AMIRF. ATIYAGenerating rules with predicates, terms and variables fromthe pruned neural networks, RICHI NAYAKSelf organized mapping of data clusters to neuron groups,DIETER MÜLLERInvariant template matching in systems with spatiotempo-ral coding : a matter of instability, IVAN TYUKIN, TATIANATYUKINA, CEES VAN LEEUWENHopfield neural networks for on-line parameter estimation,HUGO ALONSO, TERESA MENDONÇA, PAULA ROCHAEngineering and Design



http://www.elsevier.com/inca/publications/store/8/4/1/

http://www.elsevier.com/inca/publications/store/8/4/1/

SOMMAIRE DES REVUES

SOM of SOMs, TETSUO FURUKAWAdFasArt : Dynamic neural processing in FasArt model, JOSE-MANUEL CANO-IZQUIERDO, MIGUEL ALMONACID, MI-GUEL PINZOLAS, JULIO IBARROLA

NEURAL NETWORKS V22 no 5 − 6 JULY-AUGUST 2009Special issueAdvances in Neural Networks Research : IJCNN2009, 2009International Joint Conference on Neural Networks, At-lanta, Georgia, USA, edited by ROBERT KOZMA, STEVENBRESSLER, LEONID PERLOVSKY, GANESH KUMAR VE-NAYAGAMOORTHYNeuroscience and CognitionVortices in brain activity : Their mechanism and signifi-cance for perception, WALTER J. FREEMANA motivationally-based simulation of performance degra-dation under pressure, NICHOLAS R. WILSON, RON SUN,ROBERT C. MATHEWSExplorations on artificial time perception, MICHAIL MA-NIADAKIS, PANOS TRAHANIAS, JUN TANILanguage and emotions : Emotional Sapir-Whorf hypothe-sis, LEONID PERLOVSKYModulation of LTP/LTD balance in STDP by an activity-dependent feedback mechanism, SHIGERU KUBOTA, JO-NATHAN RUBIN, TATSUO KITAJIMADistance coding strategies based on the entorhinal grid cellsystem, ZSÓFIA HUHN, ZOLTÁN SOMOGYVÁRI, TAMÁSKISS, PÉTER ÉRDIMachine LearningA new learning paradigm : Learning using privileged infor-mation, VLADIMIR VAPNIK, AKSHAY VASHISTSubspace-based support vector machines for pattern clas-sification, TAKUYA KITAMURA, SYOGO TAKEUCHI, SHI-GEO ABE, KAZUHIRO FUKUIA new bidirectional heteroassociative memory encompas-sing correlational, competitive and topological properties,SYLVAIN CHARTIER, GYSLAIN GIGUERE, DOMINIC LAN-GLOISCross-situational learning of object-word mapping usingNeural Modeling Fields, JOSÉ F. FONTANARI, VADIM TI-KHANOFF, ANGELO CANGELOSI, ROMAN ILIN, LEONID I.PERLOVSKYGoal-directed learning of features and forward models,SOHRAB SAEB, CORNELIUS WEBER, JOCHEN TRIESCHTime series modeling by a regression approach based on alatent process, FAICEL CHAMROUKHI, ALLOU SAME, GE-RARD GOVAERT, PATRICE AKNINHybrid Algorithms and Soft ComputingA hybrid random field model for scalable statistical lear-ning, A. FRENO, E. TRENTIN, M. GORINeural networks with multiple general neuron models : ahybrid computational intelligence approach using Genetic

Programming, ALAN J. BARTON, JULIO J. VALDÉS, ROBERTORCHARDIntegrated feature and parameter optimization for an evol-ving spiking neural network : Exploring heterogeneous pro-babilistic models, STEFAN SCHLIEBS, MICHAËL DEFOIN-PLATEL, SUE WORNER, NIKOLA KASABOVA novel multi-epitopic immune network model hybridi-zed with neural theory and fuzzy concept, HAMID IZADI-NIA, FERESHTEH SADEGHI, MOHAMMAD MEHDI EBAD-ZADEHRKF-PCA : Robust kernel fuzzy PCA, GYEONGYONG HEO,PAUL GADER, HICHEM FRIGUINon-Linear Dynamics, Chaos and NoiseAssociative memories based on continuous-time cellularneural networks designed using space-invariant cloningtemplates, ZHIGANG ZENG, JUN WANGGlobal stability analysis and robust design of multi-time-scale biological networks under parametric uncertainties,ANKE MEYER-BAESE, ALI J. KOSHKOUEI, MARK R. EM-METT, DAVID P. GOODALLAn artificial chaotic spiking neuron inspired by spiral gan-glion cell : Paralleled spike encoding, theoretical analysis,and electronic circuit implementation, HIROYUKI TORI-KAI, TORU NISHIGAMINeural dynamics of idea generation and the effects of pri-ming, LAXMI R. IYER, SIMONA DOBOLI, ALI A. MINAI,VINCENT R. BROWN, DANIEL S. LEVINE, PAUL B. PAULUSOnline unsupervised formation of cell assemblies for theencoding of multiple cognitive maps, UTKU SALIHOGLU,HUGUES BERSINI, YOKO YAMAGUCHI, COLIN MOLTERError-probability noise benefits in threshold neural signaldetection, ASHOK PATEL, BART KOSKOV. Intelligent Signal Processing and Pattern RecognitionA neural model of selective attention and object segmenta-tion in the visual scene : an approach based on partial syn-chronization and star-like architecture of connections, RO-MAN BORISYUK, YAKOV KAZANOVICH, DAVID CHIK, VA-DIM TIKHANOFF, ANGELO CANGELOSIExtraction of percept-related induced local field poten-tial during spontaneously reversing perception, ZHISONGWANG, NIKOS K. LOGOTHETIS, HUALOU LIANGChaotic phase synchronization and desynchronization inan oscillator network for object selection, FABRICIO A.BREVE, LIANG ZHAO, MARCOS G. QUILES, ELBERT E.N.MACAUHere and now : How time segments may become events inthe hippocampus, ANDRÁS LORINCZ, GÁBOR SZIRTESBoosting feature selection for Neural Network based regres-sion, KEVIN BAILLY, MAURICE MILGRAMBiomedical Applications and BioinformaticsComputational perspectives on forebrain microcircuits im-plicated in reinforcement learning, action selection, and


SOMMAIRE DES REVUES

cognitive control, DANIEL BULLOCK, CAN OZAN TAN, YO-HAN J. JOHNPredictive learning with structured (grouped) data, LICHENLIANG, FENG CAI, VLADIMIR CHERKASSKYMicroRNA expression profile based cancer classificationusing Default ARTMAP, RUI XU, JIE XU, DONALD C.WUNSCH IIAscertaining neuron importance by information theoreticalanalysis in motor Brain-Machine Interfaces, YIWEN WANG,JOSE C. PRINCIPE, JUSTIN C. SANCHEZA configurable simulation environment for the efficient si-mulation of large-scale spiking neural networks on gra-phics processors, JAYRAM MOORKANIKARA NAGESWA-RAN, NIKIL DUTT, JEFFREY L. KRICHMAR, ALEX NICO-LAU, ALEXANDER V. VEIDENBAUMEngineering ApplicationsCellular Nonlinear Networks for the emergence of percep-tual states : Application to robot navigation control, PAOLOARENA, SEBASTIANO DE FIORE, LUCA PATANÉExtending the Evolutionary Robotics approach to flying ma-chines : an application to MAV teams, FABIO RUINI, AN-GELO CANGELOSIAdaptive dynamic programming approach to experience-based systems identification and control, GEORGE G. LEN-DARISComparison of a spiking neural network and an MLP forrobust identification of generator dynamics in a multima-chine power system, CAMERON JOHNSON, GANESH KU-MAR VENAYAGAMOORTHY, PINAKI MITRARMP model based optimization of power system stabili-zers in multi-machine power system, SEUNG-MOOK BAEK,JUNG-WOOK PARKOptimal control of unknown affine nonlinear discrete-timesystems using offline-trained neural networks with proof ofconvergence, TRAVIS DIERKS, BALAJE T. THUMATI, S. JA-GANNATHAN

NEURAL NETWORKS V22 no 7 SEPT 2009Effects of spectral radius and settling time in the perfor-mance of echo state networks, GANESH K. VENAYAGA-MOORTHY, BASHYAL SHISHIRNew passivity criteria for neural networks with time-varyingdelay, ZEXU ZHANG, SHAOSHUAI MOU, JAMES LAM, HUI-JUN GAOSynchronization of nonidentical chaotic neural networkswith time delays, HE HUANG, GANG FENGPsychology and Cognitive ScienceDynamic liquid association : Complex learning without im-plausible guidance, ANTHONY MORSE, MALIN AKTIUSSelective attention model with spiking elements, DAVIDCHIK, ROMAN BORISYUK, YAKOV KAZANOVICH

Neuroscience and Neuropsychology, JEAN-PHILIPPE THI-VIERGEThe adaptation of visual and auditory integration in thebarn owl superior colliculus with Spike Timing DependentPlasticity, JUAN HUO, ALAN MURRAYGraded information extraction by neural-network dyna-mics with multihysteretic neurons, YUKIHIRO TSUBO-SHITA, HIROSHI OKAMOTOMathematical and Computational AnalysisGlobal asymptotic stability of neural networks with discon-tinuous activations, JIAFU WANG, LIHONG HUANG, ZHE-NYUAN GUOSign-representation of Boolean functions using a smallnumber of monomials, ERHAN OZTOPOptimal exponential synchronization of general chaotic de-layed neural networks : an LMI approach, MEIQIN LIUAnother look at statistical learning theory and regulariza-tion, VLADIMIR CHERKASSKY, YUNQIAN MAExistence and global exponential stability of periodic solu-tion of a cellular neural networks difference equation withdelays and impulses, XINSONG YANG, XIANGZHAO CUI,YAO LONGA novel kernel-based maximum a posteriori classificationmethod, ZENGLIN XU, KAIZHU HUANG, JIANKE ZHU, IR-WIN KING, MICHAEL R. LYUA note on variational Bayesian factor analysis, JIAN-HUAZHAO, PHILIP L.H. YUEngineering and DesignLearning a multi-dimensional companding function forlossy source coding, SHIN-ICHI MAEDA, SHIN ISHIITechnology and ApplicationsGeneralized neuron : Feedforward and recurrent architec-tures, RAGHAVENDRA V. KULKARNI, GANESH K. VENAYA-GAMOORTHYA probabilistic neural network for earthquake magnitudeprediction, HOJJAT ADELI, ASHIF PANAKKATSuperresolution with compound Markov random fieldsvia the variational EM algorithm, ATSUNORI KANEMURA,SHIN-ICHI MAEDA, SHIN ISHIILetter to the EditorSemantic-based regularization and Piaget’s cognitivestages, MARCO GORI

NEURAL NETWORKS V22 no 8 OCT 2009Cortical Microcircuits, edited by VASSILIS CUTSURIDIS,THOMAS WENNEKERS, BRUCE P. GRAHAM, IMRE VIDA,JOHN G. TAYLORMicrocircuits - Their structure, dynamics and role for brainfunction, VASSILIS CUTSURIDIS, THOMAS WENNEKERS,BRUCE P. GRAHAM, IMRE VIDA, JOHN G. TAYLORSpatial attention in area V4 is mediated by circuits in pri-mary visual cortex, PAUL H. TIESINGA, CALIN I. BUIA



SOMMAIRE DES REVUES

Cortext : a columnar model of bottom-up and top-downprocessing in the neocortex, SVEN SCHRADER, MARC-OLIVER GEWALTIG, URSULA KÖRNER, EDGAR KÖRNERTopology and dynamics of the canonical circuit of cat V1, T.BINZEGGER, R.J. DOUGLAS, K.A.C. MARTINSpatiotemporal dynamics in the cortical microcircuit : amodelling study of primary visual cortex layer 2/3, AN-DREW SYMES, THOMAS WENNEKERSCortical circuits for perceptual inference, KARL FRISTON,STEFAN KIEBELThe first second : Models of short-term memory traces inthe brain, REINOUD MAEX, VOLKER STEUBERNetwork mechanisms of gamma oscillations in the CA3 re-gion of the hippocampus, NORBERT HÁJOS, OLE PAULSENHippocampus, microcircuits and associative memory, VAS-SILIS CUTSURIDIS, THOMAS WENNEKERSA phase code for memory could arise from circuit me-chanisms in entorhinal cortex, MICHAEL E. HASSELMO,MARK P. BRANDON, MOTOHARU YOSHIDA, LISA M. GIO-COMO, JAMES G. HEYS, ERIK FRANSEN, EHREN L. NEW-MAN, ERIC A. ZILLITwo forms of feedback inhibition determine the dynami-cal state of a small hippocampal network, FLEUR ZELDEN-RUST, WYTSE J. WADMANClassification of cortical microcircuits based on micro-electrode-array data from slices of rat barrel cortex, REM-BRANDT BAKKER, DIRK SCHUBERT, KOEN LEVELS, GLEBBEZGIN, INGO BOJAK, ROLF KÖTTERGlomerular microcircuits in the olfactory bulb, CHRIS-TIANE LINSTER, THOMAS A. CLELANDDopamine-modulated dynamic cell assemblies generatedby the GABAergic striatal microcircuit, MARK D. HUM-PHRIES, RIC WOOD, KEVIN GURNEYImplications of synaptic biophysics for recurrent networkdynamics and active memory, DANIEL DURSTEWITZ

NEURAL NETWORKS V22 no 10 DEC 2009Psychology and Cognitive ScienceModeling belief systems with scale-free networks, MIKLÓSANTAL, LÁSZLÓ BALOGHNeuroscience and NeuropsychologyBat echolocation processing using first-spike latency co-ding, BERTRAND FONTAINE, HERBERT PEREMANSCortical dynamics of navigation and steering in naturalscenes : Motion-based object segmentation, heading, andobstacle avoidance, N. ANDREW BROWNING, STEPHENGROSSBERG, ENNIO MINGOLLAMathematical and Computational AnalysisAdaptive importance sampling for value function approxi-mation in off-policy reinforcement learning, HIROTAKAHACHIYA, TAKAYUKI AKIYAMA, MASASHI SUGIAYMA, JANPETERS

Complex and chaotic dynamics in a discrete-time-delayedHopfield neural network with ring architecture, EVA KAS-LIK, STEFAN BALINTA new supervised learning algorithm for multiple spi-king neural networks with application in epilepsy and sei-zure detection, SAMANWOY GHOSH-DASTIDAR, HOJJATADELIMultivariate Student-t self-organizing maps, EZEQUIELLÓPEZ-RUBIOEngineering DesignEvolutionary artificial neural networks by multi-dimensional particle swarm optimization, SERKAN KIRA-NYAZ, TURKER INCE, ALPER YILDIRIM, MONCEF GAB-BOUJTechnology and ApplicationsA novel neural dynamical approach to convex quadra-tic program and its efficient applications, YOUSHEN XIA,CHANGYIN SUNA novel nonlinear adaptive filter using a pipelined second-order Volterra recurrent neural network, HAIQUAN ZHAO,JIASHU ZHANGReal-time reinforcement learning by sequential Actor-Critics and experience replay, PAWEL WAWRZYNSKI

ARTIFICIAL INTELLI-GENCE IN MEDICINE


store/5/0/5/6/2/7/

AI IN MEDICINE V45 no 1 JANUARY 2009Classification tree modeling to identify severe and mode-rate vehicular injuries in young and middle-aged adults,LINDA J. SCHEETZ, JUAN ZHANG, JOHN KOLASSAMatching incomplete time series with dynamic time war-ping : an algorithm and an application to post-stroke re-habilitation, PAOLO TORMENE, TONI GIORGINO, SILVANAQUAGLINI, MARIO STEFANELLIA hybrid hierarchical decision support system for cardiacsurgical intensive care patients. Part I : Physiological mo-delling and decision support system design, MOULOUD A.DENAÏ, MAHDI MAHFOUF, JONATHAN J. ROSSA hybrid hierarchical decision support system for cardiacsurgical intensive care patients. Part II. Clinical implemen-tation and evaluation, JONATHAN J. ROSS, MOULOUD A.DENAÏ, MAHDI MAHFOUFPredicting the probability of survival in intensive careunit patients from a small number of variables and trai-ning examples, OSCAR LUACES, FRANCISCO TABOADA,GUILLERMO M. ALBAICETA, LUIS A. DOMÍNGUEZ, PE-DRO ENRÍQUEZ, ANTONIO BAHAMONDE, GRUPO DE ES-


http://www.elsevier.com/inca/publications/store/5/0/5/6/2/7/


SOMMAIRE DES REVUES

TUDIOS Y ANÁLISIS EN CUIDADOS INTENSIVOS GRECIAGROUPEfficient discovery of risk patterns in medical data,JIUYONG LI, ADA WAI-CHEE FU, PAUL FAHEY

AI IN MEDICINE V45 no 2−3 FEB-MARCH 2009Special issueComputational Intelligence and Machine Learning in Bio-informatics, edited by GIORGIO VALENTINI, ROBERTO TA-GLIAFERRI, FRANCESCO MASULLIFormulating and testing hypotheses in functional geno-mics, JOAQUIN DOPAZOVirtual genetic coding and time series analysis for alterna-tive splicing prediction in C. elegans, MICHELE CECCA-RELLI, ANTONIO MARATEADetecting conserved coding genomic regions through si-gnal processing of nucleotide substitution patterns, MAT-TEO RÉ, GIULIO PAVESIModeling adaptive kernels from probabilistic phylogenetictrees, LUCA NICOTRA, ALESSIO MICHELIFully non-homogeneous hidden Markov model double net :a generative model for haplotype reconstruction and blockdiscovery, ALESSANDRO PERINA, MARCO CRISTANI, LU-CIANO XUMERLE, VITTORIO MURINO, PIER FRANCO PI-GNATTI, GIOVANNI MALERBADataset complexity in gene expression based cancer clas-sification using ensembles of k-nearest neighbors, OLEGOKUN, HELEN PRIISALUEvaluating switching neural networks through artificial andreal gene expression data, MARCO MUSELLI, MASSIMI-LIANO COSTACURTA, FRANCESCA RUFFINOFuzzy ensemble clustering based on random projectionsfor DNA microarray data analysis, ROBERTO AVOGADRI,GIORGIO VALENTINILiver segmentation from computed tomography scans : asurvey and a new algorithm, PAOLA CAMPADELLI, ELENACASIRAGHI, ANDREA ESPOSITOComputational proteomics analysis of binding mecha-nisms and molecular signatures of the HIV-1 proteasedrugs, GENNADY VERKHIVKERAdaptive bandwidth selection for biomarker discovery inmass spectrometry, BERND FISCHER, VOLKER ROTH, JOA-CHIM M. BUHMANNCancer informatics by prototype networks in mass spectro-metry, FRANK-MICHAEL SCHLEIF, THOMAS VILLMANN,MARKUS KOSTRZEWA, BARBARA HAMMER, ALEXANDERGAMMERMANA graph theoretic approach to protein structure selec-tion, MARCO VASSURA, LUCIANO MARGARA, PIERO FARI-SELLI, RITA CASADIO

AI IN MEDICINE V46 no 1 MAY 2009Special Issue

Artificial Intelligence in Medicine AIME’ 07, edited by RIC-CARDO BELLAZZI, AMEEN ABU- HANNAPosition PaperThe coming of age of artificial intelligence in medicine,VIMLA L. PATEL, EDWARD H. SHORTLIFFE, MARIO STEFA-NELLI, PETER SZOLOVITS, MICHAEL R. BERTHOLD, RIC-CARDO BELLAZZI, AMEEN ABU-HANNASpecial Issue ArticlesUsing model checking for critiquing based on clinicalguidelines, PERRY GROOT, ARJEN HOMMERSOM, PETERJ.F. LUCAS, ROBBERT-JAN MERK, ANNETTE TEN TEIJE,FRANK VAN HARMELEN, RADU SERBANTemporal similarity measures for querying clinical work-flows, CARLO COMBI, MATTEO GOZZI, BARBARA OLI-BONI, JOSE M. JUAREZ, ROQUE MARINVersioning computer-interpretable guidelines : Semi-automatic modeling of ’Living Guidelines’ using an infor-mation extraction method, KATHARINA KAISER, SILVIAMIKSCHAdaptive resource allocation for efficient patient schedu-ling, IVAN B. VERMEULEN, SANDER M. BOHTE, SYLVIA G.ELKHUIZEN, HAN LAMERIS, PIET J.M. BAKKER, HAN LAPOUTRÉAgentification of Markov model-based segmentation : Ap-plication to magnetic resonance brain scans, BENOITSCHERRER, MICHEL DOJAT, FLORENCE FORBES, CATHE-RINE GARBAY

AI IN MEDICINE V46 no 2 JUNE 2009Using WordNet synonym substitution to enhance UMLSsource integration, KUO-CHUAN HUANG, JAMES GELLER,MICHAEL HALPER, YEHOSHUA PERL, JUNCHUAN XUSituated cognition in clinical visualization : the role of trans-parency in GammaKnife neurosurgery planning, DAVIDDINKA, JAMES M. NYCE, TOOMAS TIMPKAA decision aid for intensity-modulated radiation-therapyplan selection in prostate cancer based on a prognosticBayesian network and a Markov model, WADE P. SMITH,JASON DOCTOR, JÜRGEN MEYER, IRA J. KALET, MARK H.PHILLIPSAssociation of genetic profiles to Crohn’s disease by linearcombinations of single nucleotide polymorphisms, ANNA-RITA D’ADDABBO, ANNA LATIANO, ORAZIO PALMIERI,MARIA TERESA CREANZA, ROSALIA MAGLIETTA, VITOANNESE, NICOLA ANCONAAn application of methods for the probabilistic three-classclassification of pregnancies of unknown location, BENVAN CALSTER, GEORGE CONDOUS, EMMA KIRK, TOMBOURNE, DIRK TIMMERMAN, SABINE VAN HUFFELAn integrated scheme for feature selection and parame-ter setting in the support vector machine modeling and itsapplication to the prediction of pharmacokinetic proper-



SOMMAIRE DES REVUES

ties of drugs, SHENG-YONG YANG, QI HUANG, LIN-LI LI,CHANG-YING MA, HUI ZHANG, RU BAI, QI-ZHI TENG,MING-LI XIANG, YU-QUAN WEINoise-tolerant electrocardiogram beat classification basedon higher order statistics of subband components, SUNG-NIEN YU, YING-HSIANG CHEN

AI IN MEDICINE V46 no 3 JULY 2009Model of experts for decision support in the diagnosis ofleukemia patients, JUAN M. CORCHADO, JUAN F. DE PAZ,SARA RODRÍGUEZ, JAVIER BAJOPrediction of periventricular leukomalacia. Part I : Selectionof hemodynamic features using logistic regression and de-cision tree algorithms, BISWANATH SAMANTA, GEOFFREYL. BIRD, MARIJN KUIJPERS, ROBERT A. ZIMMERMAN,GAIL P. JARVIK, GIL WERNOVSKY, ROBERT R. CLANCY, DA-NIEL J. LICHT, J. WILLIAM GAYNOR, CHANDRASEKHARNATARAJPrediction of periventricular leukomalacia. Part II : Selec-tion of hemodynamic features using computational intel-ligence, BISWANATH SAMANTA, GEOFFREY L. BIRD, MA-RIJN KUIJPERS, ROBERT A. ZIMMERMAN, GAIL P. JARVIK,GIL WERNOVSKY, ROBERT R. CLANCY, DANIEL J. LICHT, J.WILLIAM GAYNOR, CHANDRASEKHAR NATARAJPosterior probability profiles for the automated assessmentof the recovery of patients with stroke from activity of dailyliving tasks, GERT VAN DIJCK, JO VAN VAERENBERGH,MARC M. VAN HULLEModelling treatment effects in a clinical Bayesian networkusing Boolean threshold functions, STEFAN VISSCHER, PE-TER J.F. LUCAS, CAROLINA A.M. SCHURINK, MARC J.M.BONTENA model-free ensemble method for class prediction withapplication to biomedical decision making, RALPH L.KODELL, BRUCE A. PEARCE, SONGJOON BAEK, HOJINMOON, HONGSHIK AHN, JOHN F. YOUNG, JAMES J. CHEN

AI IN MEDICINE V47 no 1 SEPT 2009Design patterns for clinical guidelines, MOR PELEG, SAM-SON W. TUAn interpretable fuzzy rule-based classification methodo-logy for medical diagnosis, IOANNIS GADARAS, LUDMILMIKHAILOVIntuitionistic fuzzy set vs. fuzzy set application in medicalpattern recognition, VAHID KHATIBI, GHOLAM ALI MON-TAZERAn intelligent model for liver disease diagnosis, RONG-HOLINA comparison of three computational modelling methodsfor the prediction of virological response to combinationHIV therapy, DECHAO WANG, BRENDAN LARDER, AN-DREW REVELL, JULIO MONTANER, RICHARD HARRIGAN,

FRANK DE WOLF, JOEP LANGE, SCOTT WEGNER, LIDIARUIZ, MARÍA JÉSUS PÉREZ-ELÍAS, SEAN EMERY, JOSEGATELL, ANTONELLA D’ARMINIO MONFORTE, CARLOTORTI, MAURIZIO ZAZZI, CLIFFORD LANEMorphometric analysis of brain images with reduced num-ber of statistical tests : a study on the gender-related diffe-rentiation of the corpus callosum, DESPINA KONTOS, VA-SILEIOS MEGALOOIKONOMOU, JAMES C. GEE

AI IN MEDICINE V47 no 2 OCT 2009An ontology-based approach to enhance querying capabili-ties of general practice medicine for better management ofhypertension, THUSITHA MABOTUWANA, JIM WARRENExploring ant-based algorithms for gene expression dataanalysis, YULAN HE, SIU CHEUNG HUIApplication of constrained independent component analy-sis algorithms in electrocardiogram arrhythmias, RAULLLI-NARES, JORGE IGUALCombining clinical assessment scores and in vivo MR spec-troscopy neurometabolites in very low birth weight adoles-cents, TONE F. BATHEN, GRO C. CHRISTENSEN LØHAU-GEN, ANN-MARI BRUBAKK, INGRID S. GRIBBESTAD, DA-VID E. AXELSON, JON SKRANESDifferential automatic diagnosis between Alzheimer’s di-sease and frontotemporal dementia based on perfusionSPECT images, JEAN-FRANÇOIS HORN, MARIE-ODILEHABERT, AURÉLIE KAS, ZOULIKHA MALEK, PHILIPPEMAKSUD, LUCETTE LACOMBLEZ, ALAIN GIRON, BER-NARD FERTILMarkov decision process applied to the control of hospi-tal elective admissions, LUIZ GUILHERME NADAL NUNES,SOLON VENÂNCIO DE CARVALHO, RITA DE CÁSSIA ME-NESES RODRIGUES

AI IN MEDICINE V47 no 3 NOV 2009Effect of a limited-enforcement intelligent tutoring systemin dermatopathology on student errors, goals and solutionpaths, VELMA L. PAYNE, OLGA MEDVEDEVA, ELIZABETHLEGOWSKI, MELISSA CASTINE, EUGENE TSEYTLIN, DRA-ZEN JUKIC, REBECCA S. CROWLEYImpact of censoring on learning Bayesian networks in sur-vival modelling, IVAN STAJDUHAR, BOJANA DALBELO-BASIC, NIKOLA BOGUNOVICAddressing the flaws of current critical alarms : a fuzzyconstraint satisfaction approach, ABRAHAM OTERO,PAULO FÉLIX, SENÉN BARRO, FRANCISCO PALACIOSAdapted variable precision rough set approach for EEG ana-lysis, MICHAEL NINGLER, GUDRUN STOCKMANNS, GE-RHARD SCHNEIDER, HANS-DIETER KOCHS, EBERHARDKOCHSEntropy and complexity measures for EEG signal classifica-tion of schizophrenic and control participants, MALIHE SA-BETI, SERAJEDDIN KATEBI, REZA BOOSTANI


SOMMAIRE DES REVUES

An electromechanical based deformable model for soft tis-sue simulation, YONGMIN ZHONG, BIJAN SHIRINZADEH,JULIAN SMITH, CHENGFAN GU

INTERNATIONAL JOURNAL OFAPPROXIMATE REASONING


store/5/0/5/7/8/7/

IJAR V50 no 3 MARCH 2009Special issueSpecial Section on Bayesian Modelling, edited by LINDAVAN DER GAAG, RUSSELL ALMONDPlanning for success : the interdisciplinary approach tobuilding Bayesian models, ALEX DEKHTYAR, JUDY GOLD-SMITH, BETH GOLDSTEIN, KROL KEVIN MATHIAS, CYN-THIA ISENHOURVerifying monotonicity of Bayesian networks with do-main experts, LINDA C. VAN DER GAAG, HERMINA J.M.TABACHNECK-SCHIJF, PETRA L. GEENENModeling human reasoning about meta-information, SEANL. GUARINO, JONATHAN D. PFAUTZ, ZACH COX, EMILIEROTHBayesian networks : a teacher’s view, RUSSELL G. ALMOND,VALERIE J. SHUTE, JODY S. UNDERWOOD, JUAN-DIEGOZAPATA-RIVERAPreventing knowledge transfer errors : Probabilistic deci-sion support systems through the users’ eyes, HERMI J.M.TABACHNECK-SCHIJF, PETRA L. GEENENRegular papersTriangulation of Bayesian networks with recursive estima-tion of distribution algorithms, TXOMIN ROMERO, PEDROLARRAÑAGAAn analytical solution to a fuzzy economic order quantityproblem, KAJ-MIKAEL BJÖRKFuzzy description logics under Gödel semantics, FER-NANDO BOBILLO, MIGUEL DELGADO, JUAN GÓMEZ-ROMERO, UMBERTO STRACCIAA closer look at the Russian roulette problem : a re-examination of the nonlinearity of the prospect theory’s de-cision weight p, LI-BO LI, SHU-HONG HE, SHU LI, JIE-HONG XU, LI-LIN RAOA comparison of two types of rough sets induced by cove-rings, GUILONG LIU, YING SAIFuzzy economic order time models with random demand,T. VIJAYAN, M. KUMARANLearning weighted linguistic fuzzy rules by usingspecifically-tailored hybrid estimation of distribution algo-rithms, LUIS DELAOSSA, JOSÉ A. GÁMEZ, JOSÉ M. PUERTAHierarchical fuzzy rule based classification systems withgenetic rule selection for imbalanced data-sets, ALBERTO

FERNÁNDEZ, MARÍA JOSÉ DEL JESUS, FRANCISCO HER-RERAComments on "Stability analysis for a class of Takagi-Sugeno fuzzy control systems with PID controllers", XIAO-JUN BAN, X.Z. GAO, XIANLIN HUANG

IJAR V50 no 4 APRIL 2009Special issueImprecise Probability Models and their Applications (Issuesin Imprecise Probability), edited by THOMAS AUGUSTIN,ENRIQUE MIRANDA, JIRINA VEJNAROVAUpdating under unknown unknowns : an extension ofBayes’ rule, ELMAR KRIEGLERLimits of learning about a categorical latent variable un-der prior near-ignorance, ALBERTO PIATTI, MARCO ZAF-FALON, FABIO TROJANI, MARCUS HUTTERWilliams coherence and beyond, RENATO PELESSONI,PAOLO VICIGAn extension of chaotic probability models to real-valuedvariables, P.I. FIERENSData-based decisions under imprecise probability and leastfavorable models, R. HABLEFinite approximations to coherent choice, MATTHIAS C.M.TROFFAESCredal networks for military identification problems, ALES-SANDRO ANTONUCCI, RALPH BRÜHLMANN, ALBERTOPIATTI, MARCO ZAFFALONClassical and imprecise probability methods for sensitivityanalysis in engineering : a case study, MICHAEL OBERGUG-GENBERGER, JULIAN KING, BERNHARD SCHMELZER

IJAR V50 no 5 MAY 2009Concept lattices of fuzzy contexts : Formal concept analysisvs. rough set theory, HONGLIANG LAI, DEXUE ZHANGInference in qualitative probabilistic networks revisited,FRANK VAN KOUWEN, SILJA RENOOIJ, PAUL SCHOTMulti-sample test-based clustering for fuzzy random va-riables, GIL GONZÁLEZ-RODRÍGUEZ, ANA COLUBI, PIER-PAOLO D’URSO, MANUEL MONTENEGROMulti-camera people tracking using evidential filters,RAFAEL MUÑOZ-SALINAS, R. MEDINA-CARNICER, F.J.MADRID-CUEVAS, A. CARMONA-POYATOReduction of uncertainty using sensitivity analysis methodsfor infinite random sets of indexable type, DIEGO A. ALVA-REZArc reversals in hybrid Bayesian networks with determinis-tic variables, ESMA NUR CINICIOGLU, PRAKASH P. SHE-NOYComputing expectations with continuous p-boxes : Univa-riate case, LEV UTKIN, SEBASTIEN DESTERCKEEfficient triangular type-2 fuzzy logic systems, JANUSZ T.STARCZEWSKI





SOMMAIRE DES REVUES

Comparing approximate reasoning and probabilistic rea-soning using the Dempster-Shafer framework, RONALD R.YAGER

IJAR V50 no 6 JUNE 2009Special issueNinth European Conference on Symbolic and Quantita-tive Approaches to Reasoning with Uncertainty (ECSQARU2007, edited by KHALED MELLOULI, ZIED ELOUEDI,NAHLA BEN AMOR, BOUTHEINA BEN YAGHLANEAn analysis of Ruspini partitions in Gödel logic, PIETRO CO-DARA, OTTAVIO M. D’ANTONA, VINCENZO MARRADescription logic programs under probabilistic uncertaintyand fuzzy vagueness, THOMAS LUKASIEWICZ, UMBERTOSTRACCIASkepticism relations for comparing argumentation seman-tics, PIETRO BARONI, MASSIMILIANO GIACOMINMeasures of ruleset quality for general rules extraction me-thods, MARTIN HOLENAMaking Discrete Sugeno Integrals More Discriminant, DI-DIER DUBOIS, HÉLÈNE FARGIERDependencies between players in Boolean games, ELISEBONZON, MARIE-CHRISTINE LAGASQUIE-SCHIEX, JE-ROME LANGOn efficient WOWA optimization for decision support un-der risk, WLODZIMIERZ OGRYCZAK, TOMASZ SLIWINSKI

IJAR V50 no 7 JULY 2009Special issueSpecial Section on Graphical Models and Information Re-trieval, edited by JUAN M. FERNÁNDEZ-LUNA, JUAN F.HUETE, BENJAMIN PIWOWARSKIBayesian network models for hierarchical text classificationfrom a thesaurus, LUIS M. DE CAMPOS, ALFONSO E. RO-MEROUsing scatterplots to understand and improve probabilisticmodels for text categorization and retrieval, GIORGIO MA-RIA DI NUNZIOPossibilistic networks for information retrieval, M. BOU-GHANEM, A. BRINI, D. DUBOISSemantic hashing, RUSLAN SALAKHUTDINOV, GEOFFREYHINTONRegular papersMonotonic Variable Consistency Rough Set Approaches,JERZY BLASZCZYNSKI, SALVATORE GRECO, ROMAN SLO-WINSKI, MARCIN SZELIMAGEGCombination of partially non-distinct beliefs : the cautious-adaptive rule, ABDELAZIZ KALLEL, SYLVIE LE HEGARAT-MASCLEThe expected value models on Sugeno measure space,MINGHU HA, HONG ZHANG, WITOLD PEDRYCZ, HONG-JIE XING

VC dimension and inner product space induced by Baye-sian networks, YOULONG YANG, YAN WUHeterogeneous uncertainties in cholesterol management,YAKOV BEN-HAIM, CLIFFORD C. DACSO, JONATHONCARRASCO, NITHIN RAJANLearning concurrently partition granularities and rule basesof Mamdani fuzzy systems in a multi-objective evolutionaryframework, MICHELA ANTONELLI, PIETRO DUCANGE,BEATRICE LAZZERINI, FRANCESCO MARCELLONIPiecewise parametric polynomial fuzzy sets, DORAID M.DALALAHConditional independence structure and its closure : In-ferential rules and algorithms, MARCO BAIOLETTI, GIU-SEPPE BUSANELLO, BARBARA VANTAGGIFinite approximations of data-based decision problems un-der imprecise probabilities, ROBERT HABLEA new probabilistic fuzzy model : Fuzzification-Maximization (FM) approach, SUNGJUN HONG, HEE-SUNG LEE, EUNTAI KIM

IJAR V50 no 8 SEPT 2009Special issueSpecial Section on Interval/Probabilistic Uncertainty, edi-ted by VAN-NAM HUYNH, VLADIK KREINOVICHInconsistency as qualified truth : a probability logic ap-proach, J.B. PARIS, D. PICADO MUIÑO, M. ROSEFIELDTrade-off between sample size and accuracy : Case of mea-surements under interval uncertainty, HUNG T. NGUYEN,OLGA KOSHELEVA, VLADIK KREINOVICH, SCOTT FER-SONLinguistic modelling and information coarsening basedon prototype theory and label semantics, YONGCHUANTANG, JONATHAN LAWRYVariable-precision dominance-based rough set approachand attribute reduction, MASAHIRO INUIGUCHI, YUKI-HIRO YOSHIOKA, YOSHIFUMI KUSUNOKIA granularity-based framework of deduction, induction,and abduction, YASUO KUDO, TETSUYA MURAI, SEIKIAKAMARegular papersOperation properties and d-equalities of complex fuzzysets, GUANGQUAN ZHANG, THARAM SINGH DILLON,KAI-YUAN CAI, JUN MA, JIE LUOptimal triangular decompositions of matrices with entriesfrom residuated lattices, RADIM BELOHLAVEKBuilding a binary outranking relation in uncertain, impre-cise and multi-experts contexts : the application of evidencetheory, MOHAMED AYMAN BOUJELBEN, YVES DE SMET,AHMED FRIKHA, HABIB CHABCHOUBOn generalized Bonferroni mean operators for multi-criteria aggregation, RONALD R. YAGER


SOMMAIRE DES REVUES

Normalizing rank aggregation method for priority of a fuzzypreference relation and its effectiveness, YEJUN XU, QIN-GLI DA, LIHUA LIUCrisp sets as classes of discontinuous fuzzy sets, E. TRILLAS,I. GARCÍA-HONRADO, S. GUADARRAMA, E. RENEDOFaithfulness in chain graphs : the discrete case, JOSE M.PEÑADiscrete time Markov chains with interval probabilities,DAMJAN SKULJ

IJAR V50 no 9 NOV 2009Special issueSpecial Track on Uncertain Reasoning of the 19th Interna-tional Florida Artificial Intelligence Research Symposium(FLAIRS 2006), edited by ERIC NEUFELD, DAN WUFormal similarities and differences among qualitativeconditional semantics, CHRISTOPH BEIERLE, GABRIELEKERN-ISBERNERDeliberation scheduling using GSMDPs in stochastic asyn-chronous domains, KURT D. KREBSBACHWarp effects on calculating interval probabilities, DAVIDSUNDGREN, MATS DANIELSON, LOVE EKENBERGAutomated compilation of Object-Oriented Probabilis-tic Relational Models, CATHERINE HOWARD, MARKUSSTUMPTNERA formal framework for description logics with uncertainty,VOLKER HAARSLEV, HSUEH-IENG PAI, NEMATOLLAAHSHIRIMethods for constructing balanced elimination trees andother recursive decompositions, KEVIN GRANT, MICHAELC. HORSCH

IJAR V51 no 1 DEC 2009An argument-based approach to reasoning with clinical

knowledge, NIKOS GOROGIANNIS, ANTHONY HUNTER,MATTHEW WILLIAMSConcepts and fuzzy sets : Misunderstandings, misconcep-tions, and oversights, RADIM BELOHLAVEK, GEORGE J.KLIR, HAROLD W. LEWIS III, EILEEN C. WAYRepresentation theorems for probability functions sa-tisfying spectrum exchangeability in inductive logic, J.LANDES, J.B. PARIS, A. VENCOVSKAOn characterization of generalized interval-valued fuzzyrough sets on two universes of discourse, HONG-YINGZHANG, WEN-XIU ZHANG, WEI-ZHI WUFuzzy qualitative trigonometry, HONGHAI LIU, GEORGEM. COGHILL, DAVE P. BARNESAttribute dependency functions considering data effi-ciency, DAISUKE YAMAGUCHIReal-time moving object segmentation in H.264 compres-sed domain based on approximate reasoning, C. SOLANA-CIPRES, G. FERNANDEZ-ESCRIBANO, L. RODRIGUEZ-BENITEZ, J. MORENO-GARCIA, L. JIMENEZ-LINARESLooking for a good fuzzy system interpretability index : anexperimental approach, JOSÉ M. ALONSO, LUIS MAGDA-LENA, GIL GONZÁLEZ-RODRÍGUEZNew general extensions of Chebyshev type inequalities forSugeno integrals, HAMZEH AGAHI, RADKO MESIAR, YAOOUYANGNonparametric predictive pairwise comparison for real-valued data with terminated tails, TAHANI A. MATURI,PAULINE COOLEN-SCHRIJNER, FRANK P.A. COOLENAlgebraic aspects of generalized approximation spaces,LINGYUN YANG, LUOSHAN XUCorrigendumCorrigendum to "Dynamic intuitionistic fuzzy multi-attribute decision making" [Int. J. Approx. Reason. 48 (2008)246-262], ZESHUI XU



LES DOSSIERS DU BULLETIN DE L’AFIA

Les dossiers du bulletin

SMA et transport . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 66IA et entreprises (2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 64Bioinformatique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 63IA et entreprises (1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 62Ingénierie du Web et IA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 61IA et image . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 60Raisonnement à partir de cas . . . . . . . . . . . . . . . . . . . . . . . . . . no 59Multimédia et IA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 58Planification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .no 56/57Systèmes d’information . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 55Web sémantique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 54L’IA dans le RNTL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 53IA et diagnostic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 52Temps, espace et évolutif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 51Equipes d’IA en France . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 49/50IA et médecine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 48Fouille de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 46/47IA et document . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 44IA et connexionnisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .no 43IA et vie artificielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 42IA et CHM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 41IA et EIAH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 40Plates-formes multi-agents . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 39IA et Web . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 38Mémoires d’entreprises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .no 36IA et logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 35Ingénierie des connaissances . . . . . . . . . . . . . . . . . . . . . . . . . .no 34IA et télécommunications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 33

IA et terminologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .no 32Décision et IA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 31IA et image . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 30Raisonn. temporel et spatial . . . . . . . . . . . . . . . . . . . . . . . . . . . no 29Systèmes multi-agents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 28IA et robotique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 27IA et biologie moléculaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .no 26IA et droit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 25IA et fusion de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 24IA et musique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 23Apprentissage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 22Les explications dans les SBC . . . . . . . . . . . . . . . . . . . . . . . . . . no 20Pétrole-chimie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 19Raisonnement à partir de cas . . . . . . . . . . . . . . . . . . . . . . . . . . no 18IA et temps-réel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 17Planification et action . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 16Traitement automatique des langues . . . . . . . . . . . . . . . . . .no 15IA et médecine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 14Diagnostic à base de modèles . . . . . . . . . . . . . . . . . . . . . . . . . no 13Validation des SBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 12Le connexionnisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 11IA et jeux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 10EIAO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 9IA et gestion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 8Conception et IA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 7Intelligence artificielle distribuée . . . . . . . . . . . . . . . . . . . . . . . no 6Acquisition des connaissances . . . . . . . . . . . . . . . . . . . . . . . . . .no 5IA et ordonnancement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . no 4


Adhésion individuelle et abonnement � Demande � RenouvellementNom : Prénom :Affiliation :Adresse postale :No de téléphone : No de télécopie :Adresse électronique :Activité (à titre professionnel / à titre privé (rayer la mention inutile)) :

Type d’adhésion Consultation du bulletin sur WEB(pour une personne)

Envoi du bulletin papier annuel spécialDossiers + consultation du bulletin sur le

WEB� Simple : 30e 40e� Étudiant (sur justificatif) : 15e 20e� Soutient : Sans objet 90e� Bulletin sans adhésion : Sans objet 55e

� Adhésion au collège IAD-SMA : ajouter 7,5e pour les étudiants, 15e pour les autres� Adhésion au collège FERA (Apprentissage) : ajouter 7,5e pour les étudiants, 15e pour les autres

Adhésion personne morale� Demande � Renouvellement

Organisme :Adresse postale commune aux bénéficiaires couverts par cette adhésion :Nom et prénom du représentant : Fonction :Mél : Tél : Fax :Adresse postale :

Le tarif d’adhésion comprend une partie fixe et une partie par bénéficiaire.Coordonnées des bénéficiaires (10 maximum) :

Nom, prénom Mél. Tél. Fax

Tarif de base fixe : Tarif par bénéficiaire :� Laboratoire universitaires 150e Gratuit limité à 5� Personnes morales non universitaires 450e Gratuit� Adhésion de soutien 600e Sans objet

� j’accepte que les renseignements ci-dessus apparaissent dans l’annuaire de l’AFIA� j’accepte que les renseignements ci-dessus soient transmis à l’ECCAI pour constituer un ficher européen

Veuillez trouver un règlement (à l’ordre de l’AFIA) de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Euros

Trésorier AFIA : Marie-Carol LOPES, LRI, Bâtiment 490, Université Paris-Sud, 91405 Orsay, France.Mode d’adhésion :De préférence, en ligne via le site Internet de l’AFIA : http://www.afia-france.orgA défaut, cette page doit être envoyée au trésorier.Modes de paiement :

1. par chèque, à l’ordre de l’AFIA, envoyé au trésorier ;

2. par bon de commande administratif, à l’ordre de l’AFIA, envoyé au trésorier ;

3. par virement bancaire sur le compte de l’AFIA : Société Générale, 4 T rue de Paris, 91400 Orsay, France. Codebanque 30003, code guichet 01902, numéro de compte 00037283856 clef RIB 39.




SOMMAIRE DU BULLETIN NO 69

Editorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3

Présentation de laboratoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4

Résumés de thèses et d’HDR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

Prix de thèse AFIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

Compte-rendu des JFSMA’09 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

Dossier I.A. et SMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Sommaire des revues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

Les dossiers du bulletin de l’AFIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46

CALENDRIER DE PARUTION

DU BULLETIN DE L’AFIAHiver Été

Réception des contributions: Réception des contributions:15 décembre 15 juin

Sortie le 31 janvier Sortie le 31 juilletPrintemps Automne

Réception des contributions: Réception des contributions:15 mars 15 septembre

Sortie le 30 avril Sortie le 31 octobre


Documents

BULLETIN DE L’AFIA · Présentation du bulletin Comité de Rédaction Le Bulletin de l’Association Française pour l’Intelligence Artiﬁcielle vise à fournir un cadre de discussions