1
Plan
1 Introduction
 Algorithme Génétique
 CBR
Conclusion
2 3
4
RNA P M C
2
Introduction
Problème de l'estimation de l'effort
nécessaire à leur réalisation.
Différentes techniques d'estimation
des...
LE CONCEPT JOURS HOMMES
homme
Jours
homme
Jours
4
TECHNIQUE D'ESTIMATION DES COÛTS
Les modèles paramétriques
Le jugement d’expert
L’estimation par analogie
Price to Win
La ...
Les modèles non paramétriques
Les arbres
de régression
La programmation
génétique
R N A
6
Le cerveau humain
Nombre de neurones dans le cerveau humain
100 000 000 000
Nombre de connexions par neurone
10 000
7
Réseaux de neurones artificiels
Un réseau de neurone artificiel est un modèle de
calcul inspiré du fonctionnement des neur...
Réseaux de neurones artificiels
FeedForward FeedBackward
9
PMC - PerceptronMultiCouches
Un modèle des réseaux de neurones FeedForward
(propagation avant) destiné pour les classifica...
RNA - PMC
Taille
Fiabilité
Complexité
Compétence
des analystes
Méthodes de
développement
11
Réseaux de neurones artificiels
Le traitement parallèle de l’information
Avantages
Elle n'existe aucune démarche standard
...
Programmation génétique
Raisonnement à partir des cas
13
Historique:Programmationgénétique
L'idée de l'informatique évolutive a été introduite en 1960 par
I Rechenberg dans ses tr...
Principe:Programmationgénétique(GP)
• GP est une extension de l'AG, qui supprime la restriction que le
chromosome représen...
Phases dela ProgrammationGénétique
1. Génération aléatoire de la population
2. Évaluation du fitness de chacun des individ...
Raisonnement àpartirdecas(CBR)
Le raisonnement à partir de cas ‘’RàPC’’ (case basedreasoning
(CBR)) copie ce comportement ...
Raisonnement àpartir decas(CBR)
CBR a été formalisé en 4 étapes
1
2
3
Récupérer
Réutiliser
Réviser
Conserver4
18
Raisonnement àpartir decas(CBR)
 échappe au nécessité de modéliser le domaine
 possible de voir les cas qui sont récupér...
Applicationsdes techniqueslogicield‘estimation
Les applications comprennent la comptabilité, la finance, la
santé, la méde...
Applicationsdes techniqueslogicield‘estimation
Les réseaux de neurones ont été appliquées avec succès à une variété de
tâc...
Conclusion
22
Prochain SlideShare
Chargement dans…5
×

Techniques émergentes d'estimation

422 vues

Publié le

Techniques émergentes d'estimation de coût

Publié dans : Sciences
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
422
Sur SlideShare
0
Issues des intégrations
0
Intégrations
8
Actions
Partages
0
Téléchargements
5
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Techniques émergentes d'estimation

  1. 1. 1
  2. 2. Plan 1 Introduction  Algorithme Génétique  CBR Conclusion 2 3 4 RNA P M C 2
  3. 3. Introduction Problème de l'estimation de l'effort nécessaire à leur réalisation. Différentes techniques d'estimation des coûts de développement de logiciels 3
  4. 4. LE CONCEPT JOURS HOMMES homme Jours homme Jours 4
  5. 5. TECHNIQUE D'ESTIMATION DES COÛTS Les modèles paramétriques Le jugement d’expert L’estimation par analogie Price to Win La méthode descendante La méthode ascendante La modèles non paramétriques 5
  6. 6. Les modèles non paramétriques Les arbres de régression La programmation génétique R N A 6
  7. 7. Le cerveau humain Nombre de neurones dans le cerveau humain 100 000 000 000 Nombre de connexions par neurone 10 000 7
  8. 8. Réseaux de neurones artificiels Un réseau de neurone artificiel est un modèle de calcul inspiré du fonctionnement des neurones biologiques. [lire la suite] R N A FeedForward FeedBackward 8
  9. 9. Réseaux de neurones artificiels FeedForward FeedBackward 9
  10. 10. PMC - PerceptronMultiCouches Un modèle des réseaux de neurones FeedForward (propagation avant) destiné pour les classifications supervisées [exemple d’un PMC] Couche d’entrée Couche de sortie Couche cachée 10
  11. 11. RNA - PMC Taille Fiabilité Complexité Compétence des analystes Méthodes de développement 11
  12. 12. Réseaux de neurones artificiels Le traitement parallèle de l’information Avantages Elle n'existe aucune démarche standard pour le choix des différents paramètres de la topologie d'un réseau de neurones Inconvénients 12
  13. 13. Programmation génétique Raisonnement à partir des cas 13
  14. 14. Historique:Programmationgénétique L'idée de l'informatique évolutive a été introduite en 1960 par I Rechenberg dans ses travaux sur l'évolution de l’études. Les travaux initiaux sur le sujet remontent cependant aux expériences de Schank et Abelson en 1977 à l'Université Yale. 14
  15. 15. Principe:Programmationgénétique(GP) • GP est une extension de l'AG, qui supprime la restriction que le chromosome représentant individuel doit être une chaîne binaire de longueur fixe. • traditionnellement représentés dans la mémoire comme des structures arborescentes . Les arbres peuvent être facilement évalués de manière récursive. 15
  16. 16. Phases dela ProgrammationGénétique 1. Génération aléatoire de la population 2. Évaluation du fitness de chacun des individus de la population 3. Application des opérateurs de croisement, mutation, reproduction sur la population 4. Sélection des individus les mieux adaptés à leur environnement 5. Répéter les étapes 2, 3 et 4 un certain nombre de fois 16
  17. 17. Raisonnement àpartirdecas(CBR) Le raisonnement à partir de cas ‘’RàPC’’ (case basedreasoning (CBR)) copie ce comportement humain. Il a la capacité de modéliser l'expérience d'experts dans de nombreux domaines de la résolution de problèmes, en adaptant des cas antérieurs qui sont semblables au problème. 17
  18. 18. Raisonnement àpartir decas(CBR) CBR a été formalisé en 4 étapes 1 2 3 Récupérer Réutiliser Réviser Conserver4 18
  19. 19. Raisonnement àpartir decas(CBR)  échappe au nécessité de modéliser le domaine  possible de voir les cas qui sont récupérés comme similaire  permet également une adaptation manuelle Exemple: Estor Avantages 19
  20. 20. Applicationsdes techniqueslogicield‘estimation Les applications comprennent la comptabilité, la finance, la santé, la médecine, l'ingénierie la fabrication, le marketing, la prédiction de faillite, le traitement d'image, la reconnaissance de l'écriture, la reconnaissance vocale, l'inspection des produits ainsi la détection de défaut. 20
  21. 21. Applicationsdes techniqueslogicield‘estimation Les réseaux de neurones ont été appliquées avec succès à une variété de tâches du monde réel dans l'industrie, les entreprises et la science. Quelques caractéristiques importantes de NNS sont ce qu'ils présentent les capacités de cartographie, leur capacité à généraliser, le traitement en parallèle et la tolérance faute. CBR offre d'énormes avantages sur les autres Estimations de l'effort techniques. 21
  22. 22. Conclusion 22

×