Post on 04-Apr-2015
1
Réseaux (Ch. 7)
Intelligence Artificielle (Ch. 14)
Marianne Morris
2
Réseaux et Internet
Un réseau Ensemble d’ordinateurs connectés Échange d’information et de
ressources N’importe quel genre d’information
peut être échangé Signaux radio, son, photos, films, etc.
3
Réseaux
Un réseau
Un ensemble de systèmes indépendants connectés par des links de télécommunication
Nœuds « nodes » ou hôtes « hosts » Des ordinateurs individuels sur un réseau
4
Links de communication
Un modem
aide à échanger de l’information en passant de forme analogue à forme digitale, et vice versa
5
Figure 7.1 Two Forms of Information Representation
6
Figure 7.2
Modulation of a Carrier to Encode Binary Information
7
Communication Links
• Dial-up phone links
– Transmission rate: 56,000 bps (56 Kbps)
• Broadband
– Transmission rate: Exceeding 256,000 bps (256 Kbps)
8
Communication Links
• Options for broadband communications
– Home use
• Digital subscriber line (DSL)
• Cable modem
– Commercial and office environment
• Ethernet
• Fast Ethernet
• Gigabit Ethernet
9
Figure 7.3
Transmission Time of an Image at Different Transmission Speeds
10
Communication Links
• Wireless data communication
– Uses radio, microwave, and infrared signals
– Enables “mobile computing”
– Types of wireless data communication
• Wireless local access network
• Wireless wide-area access network
11
Local Area Networks
Local Area Network (LAN) Connecter des appareils qui sont
proches l’un de l’autre géographiquement
Ex: même département ou édifice
Le maître de l’appareil est le même que celui de la communication
12
Local Area Networks
• Local area network (LAN)
– Connects hardware devices that are in close proximity
– The owner of the devices is also the owner of the means of communications
– Common wired LAN topologies
• Bus
• Ring
• Star
13
Figure 7.4
Some Common LAN Topologies
14
Local Area Networks
Ethernet La technologie LAN est la plus
commune Fait usage de topologie BUS Deux méthodes de construire un LAN
Câble partagé « Shared cable » HUBs: très communs
Ethernet HUB
15
Figure 7.5An Ethernet LAN ImplementedUsing Shared Cables
16
Figure 7.6
An Ethernet LAN Implemented Using a HUB
17
Wide Area Networks
Wide Area Network (WAN) Connecter des appareils très loin
géographiquement – à travers une ville ou même à travers l’océan!
Les utilisateurs de ces communications doivent acheter ces services
18
Wide Area Networks
• Wide area networks (WANs)
– Connect devices that are across town, across the country, or across the ocean
– Users must purchase telecommunications services from an external provider
– Dedicated point-to-point lines
– Most use a store-and-forward, packet-switched technology to deliver messages
19
Figure 7.7
Typical Structure of a Wide Area Network
20
Figure 7.8(a)
Structure of a Typical Company Network
21
Figure 7.8(c)Hierarchy of Internet Service Providers (ISP)
22
Structure de l’Internet
Réseaux de réseaux interconnectés
Inclus… « Nodes », LANs, WANs, « bridges »,
« routers » …et plusieurs niveaux de ISP
23
Protocoles de communication Un protocole
Un ensemble de règlements et de conventions dont on se met d’accord pour pouvoir échanger de l’information efficacement et d’une manière ordonnée
TCP/IP Hiérarchie de protocole de l’Internet Gouverne l’opération de l’Internet En a cinq « layers » de communication
24
Figure 7.10
The Five-Layer TCP/IP Internet Protocol Hierarchy
25
Intelligence Artificielle(Chapitre 14
Intro brève à l’intelligence artificielle
Pattern Recognition Robotiques Brain Tumour Growth Prediction
26
Intro à l’Intelligence Artificielle
La construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant, accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique
Marvin Lee Minsky
27
Projets en IA
Robotiques Bioinformatiques Informatiques médicales Poker Web
www.aicml.ca
28
Le cerveau vs Recognition
Un neurone
Une cellule dans le cerveau qui peut…
Recevoir du stimuli d’autres neurones à travers les dendrites
Envoyer du stimuli aux autres neurones à travers son axone
29
Figure 14.4
A Neuron
30
Recognition
Chaque neurone dans le cerveau peut être considéré comme un système informatique très simple avec une seule sortie 0/1
Artificial Neural Network Un réseau parallèle de neurones
simples connectés ensemble et qui ressemble aux systèmes biologiques…
31
Robotiques
32
Robotiques
Robot Un système qui pourrait rassembler
de l’information sensoriel d’une manière autonome
33
Robotiques
Usage de robots Recherche
Améliorer l’apprentissage des algorithmes informatiques en IA
Industrie Automobiles, disposer de bombes,
exploration Médicale
Chirurgie, classification de sang
34
Brain Tumour Growth Prediction
True positivesFalse positivesFalse negatives
35
Predict Tumour Growth
Why? Study tumour growth patterns Improve treatment planning
initial tumour tumour 6 months later
36
Incremental Growth Model
Tumor
37
Incremental Growth Model
Tumor
Neighbours
38
Incremental Growth Model
- + +
- +
- +
- +
+ + -
Tumor
39
Incremental Growth Model
- + +
- +
- +
- +
+ + -
Tumor
Neighbours
40
Incremental Growth Model
- +
- + + +
- + +
- + -
- + -
- + + - -
+ +
Tumor
41
Incremental Growth Model
- +
- + + +
- + +
- + -
- + -
- + + - -
+ +
Tumor
42
Features
Patient features Tumour properties Voxel features Features of neighbouring voxels
A total of 75 features
patient
tumour
voxel
43
CDM Classifier
Voxel v becomes tumour given…qv = PΘ (class (v) = tumour | epatient,etumour,ev)
Features of the patient epatient
the tumour etumour
the voxel and its neighbours evpatient
tumour
voxel v
44
Experimental Procedure
Training data Sample of voxels in volume-
difference between two scans including 2-voxel border around the volume at the 2nd time scan
Volume-pairs for 17 patients Total of ½ million voxels
We evaluate voxels encountered in diffusion process Cross-validation (17 patients)
Original tumour
Additional tumour growth
45
System Performance
Time 1 scan
Time 2 scan
CDMprediction
Left to right: Slices from lower to upper brain
True positivesFalse positivesFalse negatives