Coevolutionary Fuzzy Modeling

Thèse doctorale par Carlos Andrés Peña-Reyes

Résumé

Cette thèse présente Fuzzy CoCo, une nouvelle approche pour la conception de systèmes favorisant l'explication des décisions humaines.  Basée sur la logique floue et sur le calcul coévolutionniste, Fuzzy CoCo est une méthodologie visant à construire des systèmes capables de prédire le résultat d'un processus décisionnel humain et de fournir une explication compréhensible du raisonnement sous-jacent.

La logique floue fournit un cadre formel pour construire des systèmes qui offrent à la fois une bonne performance numérique (précision), et une représentation linguistique (interprétabilité). D'un point de vue numérique, les systèmes flous sont des systèmes non linéaires capables de traiter une information imprécise et incomplète.  Linguistiquement, ils représentent les connaissances sous forme de règles, ce qui est une façon naturelle d'expliquer des processus décisionnels.

La modélisation floue---c'est à dire, la conception de systèmes flous---est une tâche difficile, exigeant l'identification de nombreux paramètres. Cette thèse analyse le problème de modélisation floue ainsi que des différentes approches existant pour le résoudre, se focalisant sur la modélisation floue évolutionniste---la conception de systèmes flous en utilisant des algorithmes évolutionnistes---qui constitue la base méthodologique de mon approche. Afin de favoriser cette analyse, les paramètres d'un système flou sont classifiés en quatre catégories: logiques, structuraux, connectifs, et opérationnels.

La contribution centrale de ce travail est l'utilisation d'une technique évolutionniste avancée---la coévolution coopérative---pour faire face à la conception simultanée des paramètres connectifs et opérationnels.  La modélisation floue par coévolution coopérative réussit à surmonter plusieurs limitations montrées par d'autres approches évolutionnistes: stagnation, convergence aux optimums locaux, et temps élevé de calcul.

Concevoir des systèmes interprétables est un des buts principaux de mon approche, que j'étudie complètement.  Basé sur un ensemble de critères sémantiques et syntaxiques concernant la définition des concepts linguistiques et leurs liens causals, je propose un certain nombre de stratégies pour produire des systèmes flous plus facilement interprétables. Ces stratégies sont implantées dans Fuzzy CoCo, ayant pour résultat une méthodologie de modélisation fournissant une précision numérique élevée, tout en gardant une interprétabilité aussi élevée que possible.

Après avoir essayé Fuzzy CoCo sur un problème benchmark---le problème des iris de Fisher---j'ai appliqué avec succès l'algorithme pour modéliser les processus de décision impliqués dans deux problèmes de diagnostique de cancer du sein: le problème connu comme WBCD et le problème d'interprétation de mammographies de Catalogne.  Pour le problème WBCD, Fuzzy CoCo produit des systèmes très performants et hautement interprétables, comparables (sinon superieures) aux meilleurs systèmes rapportés jusqu'à présent. Pour le problème de Catalogne, un très bon système évolué a été inclus dans un outil en ligne---appelé COBRA---aidant des radiologistes à l'interprétation de mammographies.

Plusieurs aspects de Fuzzy CoCo sont minutieusement analysés afin de fournir une compréhension aprofondie de la méthode. Ces analyses montrent l'uniformité des résultats obtenus. Sur la base de ces analyses, je propose un guide pour appliquer Fuzzy CoCo, ainsi qu'un ensemble de rapports qualitatifs entre certains de ses paramètres pour faciliter leur choix lors de l'utilisation de l'algorithme.

Finalement, ce travail propose et explore, de façon préliminaire, deux extensions à la méthode: Island Fuzzy CoCo et Incremental Fuzzy CoCo. Combinées avec le CoCo original, elles constituent une famille des techniques de modélisation floue coévolutionniste.  Le but de ces extensions est de guider le choix du nombre de règles pour un problème donné; tandis que Island Fuzzy CoCo exécute une recherche étendue sur différentes tailles du problème, Incremental Fuzzy CoCo base sa puissance de recherche sur un mécanisme d'évolution incrémentielle.