Download or read book INTRODUCTION D UN CODAGE SPATIO TEMPOREL DANS LES ARCHITECTURES CLASSIQUES DE RESEAUX DE NEURONES ARTIFICIELS APPLICATION A LA RECONNAISSANCE DE CARACTERES MANUSCRITS written by NASSER.. MOZAYYANI and published by . This book was released on 1998 with total page 171 pages. Available in PDF, EPUB and Kindle. Book excerpt: DE NOS JOURS, IL EXISTE DIVERSES APPLICATIONS INDUSTRIELLES NECESSITANT LE TRAITEMENT DE FORMES SPATIO-TEMPORELLES (ST). IL S'AGIT DE DONNEES MULTI-DIMENSIONNELLES A LA FOIS CORRELEES DANS L'ESPACE ET DANS LE TEMPS, COMME PAR EXEMPLE UNE SEQUENCE ANIMEE D'IMAGES. LES MODELES CONNEXIONNISTES, SURTOUT CONNUS POUR LEUR CAPACITE A EXTRAIRE DES CORRELATIONS SPATIALES, COMMENCENT A PROPOSER DES SOLUTIONS POUR TRAITER DES FORMES ST. CE TRAVAIL PROPOSE D'ELARGIR LES CAPACITES DE PLUSIEURS MODELES DE RESEAUX DE NEURONES ARTIFICIELS (RNA) CONNUS AU TRAITEMENT DES FORMES ST COMPOSEES DE SIGNAUX IMPULSIONNELS. NOTRE APPROCHE REPOSE SUR UN CODAGE INTEGRANT LES CARACTERISTIQUES SPATIALES ET TEMPORELLES DES DONNEES. CE CODAGE EST DEFINI DANS LE CORPS DES COMPLEXES. L'UN DES DEUX DEGRES DE LIBERTE DE CES NOMBRES CODE L'AMPLITUDE DES IMPULSIONS, L'AUTRE EST CONSACRE A LA DATE DE CES IMPULSIONS. NOUS AVONS VALIDE NOTRE APPROCHE SUR LE PERCEPTRON MULTICOUCHE, LA CARTE DE KOHONEN ET LE RESEAU RBF. NOUS AVONS PAR AILLEURS TENTE D'INTEGRER NOTER CODAGE DANS LE MODELE DE HOPFIELD ET CONSTATE QUE LA DEMARCHE PRESENTE DANS CE CAS PEU D'INTERET. POUR ALLER AU DELA DE QUELQUES EXEMPLES ILLUSTRATIFS, LA DERNIERE PARTIE DE LA THESE EST CONSACREE A UNE APPLICATION CONCRETE DANS LE DOMAINE DE LA RECONNAISSANCE EN LIGNE DE CARACTERES MANUSCRITS ISOLES. LE TRACE D'UN CARACTERE PRODUIT, EN EFFET, DES INFORMATIONS DE NATURE ST PRENANT EN COMPTE A LA FOIS LA DISPOSITION DES POINTS ET LEUR ORDONNANCEMENT DANS LE TEMPS. NOUS PROPOSONS UN SYSTEME DE RECONNAISSANCE A DEUX ETAGES CONNEXIONNISTES : LE PREMIER IDENTIFIE CERTAINES PRIMITIVES DANS LE TRACE DES LETTRES ET LE DEUXIEME EFFECTUE LA TACHE DE RECONNAISSANCE. CE SYSTEME, DONT LES PERFORMANCES SUR DES BASES MULTISCRIPTEURS SONT PROMETTEUSES, PRESENTE L'AVANTAGE D'ETRE BEAUCOUP PLUS SIMPLE QUE CEUX EXISTANT PAR AILLEURS.

Download or read book Introduction d un codage spatio temporel dans les architectures classiques de r seaux de neurones artificiles written by Nasser Mozayyani and published by . This book was released on 1998 with total page 171 pages. Available in PDF, EPUB and Kindle. Book excerpt: De nos jours, il existe diverses applications industrielles nécessitant le traitement de formes spatio-temporelles (ST). Il s'agit de données multi-dimensionnelles à la fois corrélées dans l'espace et dans le temps, comme par exemple une séquence animée d'images. Les modèles connexionnistes, surtout connus pour leur capacité à extraire des corrélations spatiales, commencent à proposer des solutions pour traiter des fomes ST. Ce travail propose d'élargir les capacités de plusieurs modèles de réseaux de neurones artificiels (RNA) connus au traitement des formes ST composées de signaux impulsionnels. Notre approche repose sur un codage intégrant les caractéristiques spatiales et temporelles des données. Ce codage est défini dans le corps des complexes. L'un des deux degrés de liberté de ces nombres code l'amplitude des impulsions, l'autre est consacré à la date de ces impulsions. Nous avons validé notre approche sur le percpetron multicouche, la carte de Kohonen et le réseau RBF. Nous avons par ailleurs tenté d'intégrer notre codage dans le modèle de Hopfield et constaté que la démarche présente dans ce cas peu d'intérêt. Pour aller au-delà de quelques exemples illustratifs, la dernière partie de la thèse est consacrée à une applicaiton concrète dans le domaine de la reconnaissance en ligne de caractères manuscrits isolés. Le tracé d'un caractère produit, en effet, des informations de nature ST prenant en compte à la fois la disposition des points et leur ordonnancement dans le temps. Nous proposons un système de reconnaissance à deux étages connexionnistes : Le premier identifie certaines primitives dans le tracé des lettres et le deuxième effectue la tâche de reconnaissance. Ce système, dont les performances sur des bases multiscripteurs sont prometteuses, présente l'avantage d'être beaucoup plus simple que ceux existant par ailleurs.

Download or read book Etudes des architectures des r seaux neuronaux codage spatio temporel de l information written by Marius Vasiliu and published by . This book was released on 1995 with total page 380 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les réseaux de neurones représentent une des voies possibles pour la réalisation des systèmes dits intelligents, capables d'apprendre, de reconnaître et de classifier des informations de natures et de supports très différents. Au-delà des approches classiques, les modèles des réseaux de neurones que nous proposons ici utilisent d'une manière homogène le temps et l'espace en considérant que l'information incidente est portée à l'entrée du réseau par des signaux spatio-temporels et que le traitement neuronal ne doit pas changer la nature spatio-temporelle de cette information. Le premier modèle de réseau que nous proposons bénéficie de la simplicité et de la robustesse des signaux en impulsions comme support de l'information. L'utilisation des délais synaptiques adaptatifs et des règles d'apprentissage d'inspiration Hebienne permet la mise en oeuvre des mécanismes d'auto synchronisation synaptique et de reconnaissance partagée des patterns complexes d'impulsions. Une autre famille de modèles, plus évoluée, est celle des réseaux spatio-temporels. Les principales caractéristiques sont l'organisation hiérarchique de l'architecture en assemblées, groupes et neurones, le caractère local, continu et non-supervise de l'apprentissage, la considération d'une topologie spatiale intrinsèque, au nombre variable de dimensions et, dernièrement, mais pas le moins important, un fonctionnement temporel du réseau base sur des délais synaptiques variables. La structure du réseau est traversée par deux flux d'information: le flot longitudinal oriente de l'entrée vers la sortie et le flot latéral, dans chaque assemblée, produit par les interactions neuronales latérales. les expériences d'application effectuées, telles que la reconnaissance de l'écriture manuscrite, de la parole ou des trajectoires d'objets dans un flot vidéo sont autant de confirmations de la versatilité et des fonctionnalités offertes par les architectures spatio-temporelles étudiées

Download or read book R seaux de neurones pour la reconnaissance des formes written by Isabelle Guyon and published by . This book was released on 1988 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: Description des propriétés de réseaux d'architecture différentes et proposition de mécanismes d'apprentissage originaux à la reconnaissance de séquences d'informations. Application à la reconnaissance de caractères manuscrits.

Download or read book La reconnaissance de caract res manuscrits par r seau neuronal fonctions radiales de base munies d tats microforme written by Pierre-Louis Constantin and published by National Library of Canada = Bibliothèque nationale du Canada. This book was released on 1997 with total page 184 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Codage temporel et apprentissage dans les r seaux de neurones written by Jean-Christophe Ducom and published by . This book was released on 1996 with total page 378 pages. Available in PDF, EPUB and Kindle. Book excerpt: NOUS RAPPELONS DANS UN PREMIER TEMPS QUELQUES BASES DE NEUROBIOLOGIE SUR LES CARACTERISTIQUES ET LES PROPRIETES DU NEURONE, AINSI QUE SUR L'ORGANISATION GENERALE DES NEURONES DANS LE CERVEAU. CECI NOUS AMENE PAR LA SUITE A RECONSIDERER LES MODELES CLASSIQUES DE RESEAUX DE NEURONES FORMELS, A CAUSE DE LEUR MANQUE DE REALISME ET DE LEUR INCAPACITE A RESOUDRE CERTAINS PROBLEMES, TELS QUE LA SEGMENTATION ET LE LIAGE D'ATTRIBUTS VISUELS. OR, DE RECENTES EXPERIENCES SUR LE TRAITEMENT DE STIMULI PAR LE CORTEX VISUEL EXHIBENT UN NOUVEAU TYPE DE CODAGE DE L'INFORMATION, BASE SUR LES RELATIONS TEMPORELLES ENTRE LES DIFFERENTS POTENTIELS D'ACTION (EN PARTICULIER LA SYNCHRONISATION DE LEURS TEMPS D'EMISSION), ET NON PLUS SUR LA FREQUENCE DE DECHARGE DES NEURONES. A PARTIR DE LA VARIANTE DE CODAGE TEMPOREL DE S. THORPE, NOUS PROPOSONS UN MODELE DE PRESYNCHRONISATION D'ACTIVITE NEURONALE REPOSANT SUR UN COUPLAGE DIFFUSIF ENTRE NEURONES ET SUR UN SIGNAL INHIBITEUR. NOUS ETUDIONS LES PROPRIETES D'UN TEL RESEAU DE NEURONES REALISTES, DE TYPE INTEGRATEUR A SEUIL AVEC FUITE, SUIVANT DIFFERENTS TYPES DE SIGNAL D'ENTREE ET DE BRUIT. DANS UNE SECONDE PARTIE, NOUS ETUDIONS LES CONSEQUENCES DE L'INTRODUCTION DU TEMPS POUR L'APPRENTISSAGE: LES TEMPS DE TRANSMISSION DU SIGNAL ENTRE NEURONES SONT PRIS EN COMPTE. APRES AVOIR RAPPELE LES PRINCIPAUX RESULTATS EXPERIMENTAUX SUR L'APPRENTISSAGE, CEUX-CI PERMETTANT DE DEGAGER CERTAINES CONTRAINTES BIOLOGIQUES, NOUS PROPOSONS UNE LOI DE MODIFICATION DES EFFICACITES SYNAPTIQUES. ELLE PERMET AU RESEAU DE CONSERVER ET DE RECUPERER UNE SUITE DE CONFIGURATIONS D'ACTIVITE SPATIO-TEMPORELLE. ENFIN, NOUS ETUDIONS SES PROPRIETES LORSQUE CERTAINES CONTRAINTES DE NORMALISATION LUI SONT IMPOSEES AU NIVEAU DES VARIATIONS DES POIDS SYNAPTIQUES ; ON MONTRE ALORS QUE LE COMPORTEMENT DU RESEAU EST DIFFERENT SELON LA MANIERE UTILISEE POUR REALISER CES CONTRAINTES

Download or read book Architecture et apprentissage d un syst me hybride neuro markovien pour la reconnaissance de l criture manuscrite en ligne written by Émilie Poisson and published by . This book was released on 2005 with total page 394 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les travaux présentés dans le cadre de cette thèse portent sur l'étude, la conception, le développement et le test d'un système de reconnaissance de mots manuscrits non contraints en-ligne pour une application omni-scripteurs. Le système proposé repose sur une architecture hybride neuro-markovienne comportant d'une part, un réseau de neurones à convolution (TDNN et/ou SDNN), et d'autre part des modèles de Markov à états cachés (MMC). Le réseau de neurones a une vision globale et travaille au niveau caractère, tandis que le MMC s'appuie sur une description plus locale et permet le passage du caractère au niveau mot. Nous avons d'abord étudié le système de reconnaissance au niveau caractère isolé (digits, majuscules, minuscules) et optimisé les architectures des réseaux en termes de performances et de taille. La seconde partie du travail a porté sur le passage au niveau mot. Ici, l'effort a consisté avant tout à la définition d'un schéma d'apprentissage global au niveau mot qui permet d'assurer la convergence globale du système, en définissant une fonction d'objectif qui mixe des critères basés modèle générateur (typiquement par maximum de vraisemblance) et des critères discriminants (de type maximum d'information mutuelle). Les différentes résultats présentés (sur les bases MNIST, IRONOFF, UNIPEN) montrent l'influence des principaux paramètres du système, soit en termes de topologie, de sources d'information, de modèles d'apprentissage (nombre d'états, pondération des critères, durée)

Download or read book RST written by Jean-Cédric Chappelier and published by . This book was released on 1996 with total page 249 pages. Available in PDF, EPUB and Kindle. Book excerpt: APRES LE RENOUVEAU DES ANNEES 80 ET LES SUCCES DE L'APPLICATION DES RESEAUX DE NEURONES A LA RECONNAISSANCE DES FORMES STATIQUES, UN NOUVEAU DEFI SE POSE: CELUI DU TRAITEMENT TEMPOREL DE FORMES DYNAMIQUES. LE BUT DE CETTE RECHERCHE EST DE CONCEVOIR ET EXPERIMENTER UNE ARCHITECTURE NEUROMIMETIQUE NOVATRICE, POSSEDANT DES CAPACITES DE TRAITEMENT SPATIO-TEMPOREL. ELLE EST FONDEE SUR LES DEUX PRINCIPES SUIVANTS: UNE STRUCTURE DE RESEAU QUI PREND EN COMPTE LES VOISINAGES SPATIAUX (COMME CEUX QUI EXISTENT PAR EXEMPLE ENTRE LES PIXELS D'UNE IMAGE), UN MODELE TEMPOREL DE NEURONE INSPIRE DE CONSIDERATIONS BIOLOGIQUES. NOUS PROPOSONS TOUT D'ABORD UNE ETUDE DES TRAVAUX PROCHES DES NOTRES. AINSI CONCERNANT L'ASPECT SPATIAL, NOUS AVONS ETE AMENES A REPRODUIRE LES TRAVAUX DE LINSKER (1986). CONCERNANT L'ASPECT TEMPOREL, NOUS AVONS APPROFONDI LE PROBLEME DE LA MODELISATION INFORMATIQUE DU NEURONE BIOLOGIQUE. NOUS PRESENTONS ENSUITE DEUX NOUVELLES ARCHITECTURES NEUROMIMETIQUES: 1 KOHOTEMP, UNE GENERALISATION TEMPORELLE DES CARTES TOPOLOGIQUES DE KOHONEN. LE PRINCIPE DE CETTE APPROCHE EST DE CONSIDERER COMME ESPACE D'ENTREE DE LA CARTE, NON PAS UN ESPACE PUREMENT SPATIAL COMME CELA EST CLASSIQUEMENT EFFECTUE, MAIS L'ESPACE (DE DIMENSION A PRIORI INFINIE) DES FONCTIONS DU TEMPS. LA CARTE PARTITIONNE ALORS CET ESPACE DE FONCTIONS ET, CE FAISANT, PREND EN COMPTE DE FACON PRECISE LE DEROULEMENT TEMPOREL. 2 RST, UN RESEAU FEED-FORWARD, DOTE DE PREDISPOSITIONS POUR TRAITER DES INFORMATIONS SPATIALES ET TEMPORELLES. CONCERNANT L'ASPECT SPATIAL, LE GRAPHE DE CE RESEAU EST PLONGE DANS UN ESPACE (PLAN OU VOLUME) DONT LA METRIQUE INFLUENCE DIRECTEMENT SES CARACTERISTIQUES: LIAISONS ETABLIES DE FACON PROBABILISTE EN FONCTION DE LA DISTANCE ENTRE NEURONES ET DE LEURS POSITIONS RELATIVES. CONCERNANT L'ASPECT TEMPOREL, NOUS UTILISONS UN MODELE TEMPOREL DE NEURONE, DE TYPE INTEGRATE AND FIRE, GENERANT DES POTENTIELS D'ACTION ET MODULE PAR UNE PERIODE REFRACTAIRE. NOUS DECRIVONS ENFIN L'APPLICATION DES ARCHITECTURES PRESENTEES A DES PROBLEMES DE RECONNAISSANCES DE FORMES DYNAMIQUES: AUTHENTIFICATION DE SIGNATURE (KOHOTEMP) ET DETECTION ET LOCALISATION DE MOUVEMENT (RST).

Download or read book Apprentissage et g n ralisation par des r seaux de neurones written by Juan-Manuel Torres-Moreno and published by . This book was released on 2009 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La classification est l'attribution d'une classe spécifique à un objet donné. Cette attribution a besoin d'un certain degré d'abstraction pour pouvoir extraire des généralités à partir des exemples dont on dispose. Pour une machine, la classification de visages, de données médicales, de formes, sont toutes des tâches assez difficiles. Par exemple, dans le cas de la reconnaissance de caractères manuscrits, il est difficile d'énoncer une description générale qui tienne compte de toutes les variations particulières de chaque caractère. Une autre approche qui peut être utilisée pour cette tâche est celle de l'apprentissage. Ainsi, le critère pour décider si une image correspond ou non à une lettre 'A' consiste à comparer si cette image est (suffisamment similaire} à des 'a' vus auparavant. De ce point de vue, on ne calcule pas la classification de caractères : elle doit être apprise à partir d'exemples. Ces dernières années, de nouvelles techniques neuronales d'apprentissage ont été développées. Cet apprentissage avec des réseaux de neurones se fait actuellement en suivant deux approches : certains algorithmes comme la Rétropropagation du Gradient ont besoin d'introduire a priori le nombre et la connectivité des unités cachées et déterminer les poids des connexions par minimisation d'un coût. Le réseau ainsi obtenu est éventuellement élagué. Avec une approche constructive on apprend en même temps le nombre d'unités et les poids, dans le cadre d'une architecture fixée, commençant généralement avec une seule unité. Le but de cette thèse est de présenter de nouvelles heuristiques pour générer, d'une manière constructive, des réseaux de neurones pour la classification. Elles permettent de générer des réseaux à une seule couche cachée complètement connectée aux unités d'entrée, et un neurone de sortie connecté aux unités cachées. Les neurones cachés et de sortie sont des unités binaires, pouvant faire soit des séparations linéaires, soit des séparations sphériques. Ces heuristiques sont couplées avec des algorithmes d'apprentissage pour le perceptron, Minimerror-L pour les séparations linéaires et Minimerror-S pour les séparations sphériques. Trois nouveaux algorithmes constructifs, qui différent suivant le type de neurones cachés et aussi suivant la définition des cibles que ceux-ci doivent apprendre on été développés. Pendant le processus d'apprentissage, des neurones cachés entraînés pour apprendre ces cibles vont diminuer le nombre d'erreurs de classification du neurone de sortie. Les réseaux ainsi bâtis ont généralement moins de paramètres (poids) et généralisent mieux que les réseaux entraînés avec d'autres algorithmes.

Download or read book CONCEPTION ET REALISATION D UN RESEAU DE NEURONES INTEGRE EN TECHNOLOGIE CMOS POUR LA RECONNAISSANCE AUTOMATIQUE DE CHIFFRES MANUSCRITS written by PIERRE-YVES.. ALLA and published by . This book was released on 1994 with total page 120 pages. Available in PDF, EPUB and Kindle. Book excerpt: LES RECHERCHES DANS LE DOMAINE DES RESEAUX DE NEURONES SONT TRES ACTIVES DEPUIS LE DEBUT DES ANNEES 80. LA DECOUVERTE DE NOUVEAUX ALGORITHMES D'APPRENTISSAGE PLUS PERFORMANTS, MAIS AUSSI UNE MEILLEURE COMPREHENSION DES PROPRIETES ET DES LIMITES DES RESEAUX DE NEURONES, ONT PERMIS LA REALISATION DE MODELES EFFICACES DANS DE NOMBREUX DOMAINES COMME LA RECONNAISSANCE OU LE CONTROLE DE PROCESSUS. LES PROPRIETES DES RESEAUX RESULTENT DU COMPORTEMENT COLLECTIF DES NEURONES FONCTIONNANT EN SIMULTANEITE, CE QUI REND LEUR SIMULATION SUR DES MACHINES SEQUENTIELLES CLASSIQUES ASSEZ COUTEUSE EN TEMPS. CETTE CONSTATATION, AINSI QUE D'EVENTUELLES CONTRAINTES DE PORTABILITE, ONT MOTIVE LES RECHERCHES SUR L'INTEGRATION DES RESEAUX DE NEURONES. L'APPROCHE PRESENTEE ICI EST FONDEE SUR LA SYNTHESE AUTOMATIQUE. NOUS EXPOSONS UNE ARCHITECTURE PERMETTANT LA SYNTHESE RAPIDE DE CIRCUITS NUMERIQUES INTEGRANT DES RESEAUX DE NEURONES. NOUS RAPPELONS DANS UN PREMIER TEMPS LES PRINCIPES THEORIQUES DES NEURONES FORMELS, ET PRESENTONS LES PRINCIPALES REALISATIONS DE CIRCUITS INTEGRES EFFECTUEES DANS CE DOMAINE. PUIS NOUS DECRIVONS L'ARCHITECTURE DES PROCESSEURS NEURONES ET LEUR SCHEMA D'INTERCONNEXION. ENFIN, UNE LARGE PARTIE DE CE MANUSCRIT EST CONSACRE A LA CONCEPTION ET LA REALISATION D'UN CIRCUIT INTEGRANT UN RESEAU DE RECONNAISSANCE DE CHIFFRES MANUSCRITS

Download or read book APPRENTISSAGE ET GENERALISATION PAR DES RESEAUX DE NEURONES written by Juan-Manuel Torres Moreno and published by . This book was released on 1997 with total page 147 pages. Available in PDF, EPUB and Kindle. Book excerpt: LA CLASSIFICATION EST L'ATTRIBUTION D'UNE CLASSE SPECIFIQUE A UN OBJET DONNE. CETTE ATTRIBUTION A BESOIN D'UN CERTAIN DEGRE D'ABSTRACTION POUR POUVOIR EXTRAIRE DES GENERALITES A PARTIR DES EXEMPLES DONT ON DISPOSE. POUR UNE MACHINE, LA CLASSIFICATION DE VISAGES, DE DONNEES MEDICALES, DE FORMES, SONT TOUTES DES TACHES ASSEZ DIFFICILES. PAR EXEMPLE, DANS LE CAS DE LA RECONNAISSANCE DE CARACTERES MANUSCRITS, IL EST DIFFICILE D'ENONCER UNE DESCRIPTION GENERALE QUI TIENNE COMPTE DE TOUTES LES VARIATIONS PARTICULIERES DE CHAQUE CARACTERE. UNE AUTRE APPROCHE QUI PEUT ETRE UTILISEE POUR CETTE TACHE EST CELLE DE L'APPRENTISSAGE. AINSI, LE CRITERE POUR DECIDER SI UNE IMAGE CORRESPOND OU NON A UNE LETTRE SINGLE HIGH-REVERSED-9 QUOTATION MARKARIGHT SINGLE QUOTATION MARK CONSISTE A COMPARER SI CETTE IMAGE EST (SUFFISAMMENT SIMILAIRE) A DES SINGLE HIGH-REVERSED-9 QUOTATION MARKARIGHT SINGLE QUOTATION MARK VUS AUPARAVANT. DE CE POINT DE VUE, ON NE CALCULE PAS LA CLASSIFICATION DE CARACTERES : ELLE DOIT ETRE APPRISE A PARTIR D'EXEMPLES. LE BUT DE CETTE THESE EST DE PRESENTER DE NOUVELLES HEURISTIQUES POUR GENERER, D'UNE MANIERE CONSTRUCTIVE, DES RESEAUX DE NEURONES POUR LA CLASSIFICATION. ELLES PERMETTENT DE GENERER DES RESEAUX A UNE SEULE COUCHE CACHEE COMPLETEMENT CONNECTEE AUX UNITES D'ENTREE, ET UN NEURONE DE SORTIE CONNECTE AUX UNITES CACHEES. LES NEURONES CACHES ET DE SORTIE SONT DES UNITES BINAIRES, POUVANT FAIRE SOIT DES SEPARATIONS LINEAIRES, SOIT DES SEPARATIONS SPHERIQUES. CES HEURISTIQUES SONT COUPLEES AVEC DES ALGORITHMES D'APPRENTISSAGE POUR LA PERCEPTRON, MINIMERROR-L POUR LES SEPARATIONS LINEAIRES ET MINIMERROR-S POUR LES SEPARATIONS SPHERIQUES. TROIS NOUVEAUX ALGORITHMES CONSTRUCTIFS, QUI DIFFERENT SUIVANT LE TYPE DE NEURONES CACHES ET AUSSI SUIVANT LA DEFINITION DES CIBLES QUE CEUX-CI DOIVENT APPRENDRE ON ETE DEVELOPPES. PENDANT LE PROCESSUS D'APPRENTISSAGE, DES NEURONES CACHES ENTRAINES POUR APPRENDRE CES CIBLES VONT DIMINUER LE NOMBRE D'ERREURS DE CLASSIFICATION DU NEURONE DE SORTIE. LES RESEAUX AINSI BATIS ONT GENERALEMENT MOINS DE PARAMETRES (POIDS) ET GENERALISENT MIEUX QUE LES RESEAUX ENTRAINES AVEC D'AUTRES ALGORITHMES.

Download or read book Reconnaissance de caracteres manuscrits a l aide d un reseau de neurones written by José Ignacio Moreno and published by . This book was released on 1990 with total page 106 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Reconnaissance de caract res industriels par application d un syst me de r seaux de neurones boucle de r troaction written by Stéphane Lecœuche and published by . This book was released on 1998 with total page 320 pages. Available in PDF, EPUB and Kindle. Book excerpt: La reconnaissance de caracteres en milieu industriel est confrontee aux problemes de la variete des supports utilises (metal, bois, papier,) et du type d'ecriture (jet d'encre, gravure,). L'etude presentee porte sur la conception d'un systeme de reconnaissance de caracteres qui possede les proprietes d'autoadaptation necessaires a la resolution de ces problemes. Le systeme propose est elabore a partir de deux reseaux de neurones et d'une boucle de retroaction. Le premier reseau permet d'extraire un modele binarise invariant quels que soient le materiau et le type de marquage et quelles que soient la position, la taille et l'orientation du caractere. Il est construit suivant une architecture a couches structurees decrivant une operation de vision et une operation de normalisation. Un second reseau supervise du type rbf realise la classification de ce modele. Ce reseau a ete concu pour permettre et faciliter la reconnaissance multifonte en prenant compte de la variete et de la specificite des polices utilisees en marquage industriel. En fonction de la qualite de reconnaissance, le systeme peut grace a la boucle de retroaction, apporter au premier reseau l'information necessaire a l'amelioration de la vision des caracteres. La premiere partie est une introduction a la reconnaissance de caracteres et aux systemes d'ocr, nous presentons ensuite en deuxieme partie une bibliographie sur les reseaux de neurones utilises en classification et en troisieme partie quelques reseaux de neurones utilises en reconnaissance invariante. Dans une quatrieme partie, nous presentons l'architecture de notre systeme et detaillons les concepts originaux tels que la notion de centre/voisinage developpee dans l'etage de vision, l'architecture de normalisation et la notion de forme introduite dans la phase d'apprentissage du reseau rbf. La cinquieme partie est consacree a l'analyse des performances du systeme applique a des cas reels.

Download or read book Extraction d informations spatio temporelles du mouvement avec un r seau de neurones spike written by Guillaume Debat and published by . This book was released on 2021 with total page 158 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'intelligence artificielle regroupe l'ensemble des techniques et théories permettant à un système artificiel d'agir de façon dite intelligente, c'est-à-dire comme un humain ou un animal le ferait. Ce domaine de recherche a fait récemment l'objet de grandes avancées qui ont permis de surpasser de nombreuses méthodes de traitement de l'information. Plus particulièrement pour la catégorie des réseaux de neurones qui ont fait preuve de performances impressionnantes et d'une forte capacité à s'adapter à différents cas d'usages. Ces réseaux de neurones cherchent à imiter le fonctionnement des neurones du cerveau humain et peuvent apprendre des données qui leur sont fournies pour répondre à différents problèmes. Cet attrait pour ces méthodes s'est notamment amplifié ces dernières années avec l'arrivée des réseaux de neurones artificiels pro-fonds et notamment dans le domaine du traitement de l'information visuelle avec les réseaux de neurones convolutionnels. Cependant, la quête de puissance des DNNs et CNNs les ont amenée à s'éloigner de leur inspiration biologique initiale. Ainsi, les réseaux de neurones artificiels ne ressemblent désormais plus au fonctionnement du cerveau humain,consomment beaucoup d'énergie et nécessitent de nombreuses données pour les entraîner.Une réponse à ces différents problèmes a été proposée et celle-ci vient encore une fois du bio-mimétisme. En effet, celle-ci consiste à s'inspirer de la méthode de communication de l'information des neurones. Les réseaux de neurones à spike se sont alors développés. Considérés comme la troisième génération de réseaux de neurones, ils utilisent les spikes pour transmettre l'information entre les neurones, qui sont des événements binaires et inscrits temporellement, contrairement aux ANNs qui utilisaient des valeurs analogiques et continues. Le développement des SNNs s'est accompagné de l'utilisation de la règle d'apprentissage Spike-Timing-Dependent-Plasticity (STDP), qui a pour particularité d'être bio-inspirée, d'utiliser l'information temporelle contenue dans les spikes et d'être non-supervisée. De nouveaux capteurs et cartes neuromorphiques ont ensuite émergé permettant de profiter pleine-ment des avantages présentés par les SNNs et par le traitement de l'information événementielle de façon plus générale.De récentes études ont montré que les SNNs pouvaient extraire de l'information à partir d'information visuelle sur des images ou en utilisant des caméras événementielles. L'objectif de cette thèse est d'utiliser et d'adapter une nouvelle caméra événementielle développée par l'entreprise Yumain à Dijon pour effectuer de l'analyse et de la prédiction de trajectoires de balles dans un contexte sportif. En effet, la capacité de prédiction est primordiale dans le sport afin d'anticiper le comportement de l'adversaire ou la trajectoire d'un ballon. Les experts sportifs notamment,présentent de fortes capacités de prédiction dans leur sport de prédilection. Ainsi l'objectif est d'évaluer la capacité de notre solution à prédire la trajectoire d'un ballon et de comparer lesperformances avec des participants experts ou non en sport de balle, nécessitant une anticipation de la trajectoire de la balle.Ce manuscrit de thèse reviendra donc dans un premier temps sur l'état de l'art actuel des traitements événementiels, dont notamment les SNNs et les caméras asynchrones événementielles. Lacaméra NeuroSoc sera ensuite présentée, ainsi que le SNN utilisé durant cette thèse. Puis nous montrerons que ce type de SNN permet d'extraire de l'information à partir de spikes générés par de l'information visuelle, que ce soit sur des simulations ou depuis des acquisitions réelles.Ainsi, nous montrerons que l'information extraite permet de prédire la trajectoire de la balle et que cette prédiction est plus précise que celles effectuées par des participants humains. Enfin,quelques limites de la caméra NeuroSoc utilisée durant cette thèse seront exposés [...].

Download or read book RECONNAISSANCE DE CARACTERES MANUSCRITS PAR COMBINAISON DE MODELES CONNEXIONNISTES written by Bertrand Lamy and published by . This book was released on 1995 with total page 161 pages. Available in PDF, EPUB and Kindle. Book excerpt: LA RECONNAISSANCE DE CARACTERES MANUSCRITS EST UN DOMAINE TRES ACTIF DE LA RECHERCHE EN INFORMATIQUE: LA VARIABILITE DE L'ECRITURE MANUSCRITE PERMET EN EFFET DE CONFRONTER LES ALGORITHMES DE CLASSIFICATION ET D'APPRENTISSAGE A DES PROBLEMES DIFFICILES ET REALISTES. LES RESEAUX DE NEURONES ONT MONTRE DES RESULTATS REMARQUABLES DANS CE DOMAINE, MAIS LA NECESSITE DE PERFORMANCES ELEVEES DANS LES APPLICATIONS REELLES POUSSE LA RECHERCHE VERS DES MODELES CONNEXIONNISTES DE PLUS EN PLUS COMPLEXES. CETTE THESE PROPOSE DES ALTERNATIVES POSSIBLES DANS LA CONCEPTION DE SYSTEMES DE CLASSIFICATION AUTOMATIQUE. DANS UN PREMIER TEMPS, NOUS MONTRONS QUE L'UTILISATION DE MODELES PLUS SIMPLES, BIEN QU'ELLE NE PERMETTE PAS D'ATTEINDRE DES PERFORMANCES COMPARABLES A CELLES DES MEILLEURS SYSTEMES ACTUELS, OFFRE CEPENDANT UN PREMIER COMPROMIS ENTRE PERFORMANCE ET RAPIDITE DE CALCUL. NOUS PRESENTONS ENSUITE UNE ETUDE DETAILLEE D'UNE APPROCHE RECEMMENT UTILISEE EN CLASSIFICATION: LA COMBINAISON DE MODELES. NOUS MONTRONS QUE L'INDEPENDANCE DES MODELES IMPLIQUES DANS UN TEL SCHEMA EST UNE CONDITION NECESSAIRE A L'AMELIORATION DES PERFORMANCES. EN PARTICULIER, SUR LE PROBLEME DE LA RECONNAISSANCE DES CARACTERES, NOUS MONTRONS QUE DANS LE CAS DE RESEAUX IDENTIQUES, A POIDS INITIAUX DIFFERENTS, L'INDEPENDANCE N'EST PAS SYSTEMATIQUE: LE GAIN EN COMBINAISON PEUT ETRE NUL. POUR CLARIFIER LA NECESSITE D'INDEPENDANCE, NOUS MONTRONS QUE LA COMBINAISON DE DEUX SYSTEMES CONSTRUITS A PARTIR DE CODAGES DIFFERENTS ET D'ARCHITECTURES DIFFERENTES, ARRIVE A PRODUIRE DES PERFORMANCES DE TRES HAUT NIVEAU. UNE ETUDE COMPARATIVE DE LA CAPACITE DE REJET DE CETTE METHODE NOUS PERMET DE CONCLURE QU'ELLE SURPASSE CERTAINES APPROCHES EXISTANTES

Download or read book RESEAUX DE NEURONES POUR LA CLASSIFICATION AUTOMATIQUES APPLICATION A LA RECONNAISSANCE DE CHIFFRES MANUSCRITS written by STEFAN.. KNERR and published by . This book was released on 1992 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: MON TRAVAIL DE THESE A PORTE SUR L'UTILISATION DES RESEAUX DE NEURONES FORMELS DANS LE DOMAINE DE LA CLASSIFICATION AUTOMATIQUE, AVEC POUR APPLICATION PRINCIPALE LA RECONNAISSANCE DES CHIFFRES MANUSCRITS. L'APPORT DE CE TRAVAIL A ETE L'ELABORATION D'UNE PROCEDURE QUI, ETANT DONNE UN PROBLEME DE CLASSIFICATION, TROUVE AUTOMATIQUEMENT UN RESEAU BIEN ADAPTE A LA COMPLEXITE DU PROBLEME A RESOUDRE. CETTE PROCEDURE PERMET D'EVITER LES TATONNEMENTS NECESSAIRES HABITUELLEMENT POUR CONCEVOIR UN CLASSIFIEUR NEURONAL. DE PLUS, ELLE UTILISE DES NEURONES BINAIRES, DONC FACILES A REALISER ELECTRONIQUEMENT, ET, SURTOUT ELLE DONNE DES INDICATIONS SUR LA COMPLEXITE DE LA TACHE DE CLASSIFICATION QUE L'ON CHERCHE A EFFECTUER. CETTE PROCEDURE A ETE APPLIQUEE A DES PROBLEMES MODELES, AINSI QU'AU PROBLEME REEL DE LA RECONNAISSANCE DE CHIFFRES MANUSCRITS. POUR LES DEUX BASES DE DONNEES UTILISEES, L'UNE D'ORIGINE EUROPEENNE ET L'AUTRE PROVENANT DE CODES POSTAUX AMERICAINS, LA PROCEDURE A FOURNI UNE ARCHITECTURE DE RESEAU RELATIVEMENT SIMPLE PAR RAPPORT A DES RESEAUX PROPOSES, POUR EFFECTUER LA MEME TACHE, PAR D'AUTRES EQUIPES. LES PERFORMANCES OBTENUES AVEC CE RESEAU SONT SATISFAISANTES ET TOUT A FAIT COMPARABLES AUX RESULTATS OBTENUS A L'AIDE DE RESEAUX PLUS COMPLEXES. ELLES ONT JUSTIFIE LA REALISATION DE CE RESEAU SOUS LA FORME D'UN CIRCUIT INTEGRE SPECIFIQUE, DONT L'ARCHITECTURE SERA PRESENTEE

Download or read book Predicting Structured Data written by Neural Information Processing Systems Foundation and published by MIT Press. This book was released on 2007 with total page 361 pages. Available in PDF, EPUB and Kindle. Book excerpt: State-of-the-art algorithms and theory in a novel domain of machine learning, prediction when the output has structure.