Raisonnement hypothétique par les réseaux de neurones

Bien que les réseaux de neurones soient largement utilisés pour résoudre les problèmes diagnostiques, la plupart d'entre eux se limitent au diagnostic déductif (type effet-à-cause). Nous proposons un modèle des réseaux de neurones pour le diagnostic abductif (type cause-à-effet). Notre modèle est un des rares modèles qui existent pour le raisonnement abductif. En se basant sur des systèmes de neurones biologiques, les mises à jour d'activité de neurones et de poids de connexions sont modélisées. Le diagnostic approprié est généré par la compétition entre causes et la coopération entre causes et effets. Deux critères, la cardinalité minimale et la plausibilité maximale, sont utilisés dans la génération du diagnostic. Nous prouvons formellement que notre modèle minimise effectivement une fonction d'énergie incorporant les deux critères mentionnés ci-dessus. De plus, les extensions sont portées sur notre modèle pour résoudre des problèmes de diagnostic complexes. Plus particulièrement, nous considérons les trois aspects suivants: 1) Modélisation de l'additivité des causes : la cause Ci ou Cm ne peut toute seule entraîner la manifestation mj, cependant, l'ensemble de Ci et Cm peut entraîner mj. Modélisation de l'incertitude de manifestation : la présence/absence de certaines manifestations est inconnue. Modélisation de l'incompatibilité des causes : deux causes sont incompatibles si leur présence simultanée crée des contradictions. Une centaine de problèmes de diagnostic sont simulés. Les résultats nous permettent d'estimer l'applicabilité de ce modèle aux problèmes de diagnostic réels