Download or read book Mod lisation et identification des syst mes non lin aires par r seaux de neurones temps continu written by François Benoît-Marand and published by . This book was released on 2007 with total page 142 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce mémoire présente un nouveau modèle pour l'identification des systèmes non linéaires : les réseaux de neurones à temps continu (RNTC). Ces structures emploient des réseaux de neurones formels pour approcher les lois non linéaires qui gouvernent le système mais, contrairement aux modèles neuronaux présentés dans la littérature, notre modèle traite le problème à temps continu.De ce fait, nous montrons alors, au travers de différentes applications, que le modèle permet d'identifier correctement des processus non linéaires variés. De plus, partant du réseau de neurone identifié, il est possible, dans une certaine mesure, de revenir aux valeurs caractéristiques du système en utilisant une étape de réduction de modèle. Enfin, nous indiquons comment adapter le modèle des réseaux de neurones à temps continu au cas des systèmes non entiers et considérons le problème de l'identification des interfaces de diffusion non linéaires. En introduisant un nouvel opérateur d'intégration fractionnaire, et en l'intégrant au modèle par réseau de neurones à temps continu, nous montrons comment approcher le comportement temporel de ces systèmes bien particuliers

Download or read book Contribution l identification de syst mes non lin aires par r seaux de neurones written by Philippe Thomas (médecin) and published by . This book was released on 1997 with total page 148 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse est consacrée à l'identification de systèmes dynamiques non-linéaires SISO et MISO à l'aide de réseaux de neurones multicouches non-récurrents. Dans un premier temps, une présentation succincte de l'ensemble des méthodes d'identification non-linéaire est effectuée. Nous poursuivons notre étude par un bref historique des réseaux de neurones ainsi que par une présentation des divers modèles neuronaux existants. Une fois posé le cadre de ce travail, nous définissons plus particulièrement l'architecture générale du réseau de neurone retenu, puis nous présentons les algorithmes permettant d'adapter cette architecture générale à un cas précis. Ces choix concernent notamment le vecteur de régression et le nombre de neurones utilisés dans la couche cachée. Notre étude des réseaux de neurones s'effectuant dans le domaine précis de l'identification de systèmes, les liens importants existant entre la modélisation neuronale et les modèles non-linéaires classiques sont démontrés. Les divers critères de validation de modèles non-linéaires utilisables pour les réseaux neuronaux sont alors présentés. Le reste de ce travail est consacré aux diverses difficultés rencontrées lors de l'identification par réseau de neurones. La première difficulté se présente des l'initialisation des poids du réseau. En effet, un mauvais choix des poids initiaux peut conduire à l'obtention d'un minimum local très éloigné du minimum global, à la saturation des neurones de la couche cachée, à une convergence lente. Afin de résoudre ce problème, divers algorithmes ont été proposés et comparés sur divers exemples. Les problèmes de lenteur de convergence, ou même de divergence, peuvent également être dus a l'algorithme d'apprentissage utilisé. Nous proposerons alors un nouvel algorithme permettant de s'affranchir de cette seconde difficulté. Ce nouvel algorithme sera alors comparé à l'algorithme plus classique rpe sur un exemple de simulation. Nous finirons notre étude en nous intéressant au troisième problème qui est posé par la présence de valeurs aberrantes dans les données d'identification. En effet, cette présence de valeurs aberrantes risque de conduire à des biais sur les paramètres. Nous proposons alors divers critères d'apprentissage qui sont robustes aux valeurs aberrantes. Ces critères sont comparés sur des exemples de simulation et des données industrielles réelles.

Download or read book La Commande Pr dictive Non Lin aire written by Zahir Ahmida and published by Omniscriptum. This book was released on 2011-06 with total page 140 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce livre est une contribution au th me de la commande pr dictive non lin aire r f renc e mod le et dans lequel sont adress es les probl matiques de l'identification par r seaux neuroniques, de la stabilit et de la poursuite des trajectoires dans l'espace d' tat. Concernant la mod lisation des syst mes dynamiques non lin aires, un algorithme bas sur les r seaux de neurones fonctions gaussiennes est pr sent et une technique pratique est propos e pour l'identification des mod les NARX et d'autres structures neuroniques r troaction externe, capables de restituer les propri t s dynamiques et de stabilit du syst me nonlin aire identifi . les caract ristiques dynamiques de ces structures neuroniques permettent leur int gration dans des sch mas de commande pr dictive non lin aire assurant la stabilit en boucle ferm e. La stabilisation de la poursuite des trajectoires dans l'espace d' tat est assur e par une architecture de commande caract re hybride: pr dictive-neuronique.

Download or read book Mod lisation et apprentissage des pr f rences par r seaux de neurones written by Kary Främling and published by Presses Academiques Francophones. This book was released on 2015-04-01 with total page 332 pages. Available in PDF, EPUB and Kindle. Book excerpt: La modelisation des preferences des decideurs pour des problemes de choix est l'objet principal de ce travail. Afin d'obtenir des modeles plus realistes, des fonctions de preference contextuelle sont presentees dans cet ouvrage. La complexite d'expression de telles fonctions est reduite par le recours a des techniques d'apprentissage automatique a partir de reseaux de neurones. L'identification des fonctions de preference est realisee par des reseaux de neurones, fondes sur les principes de la regression non lineaire, a partir d'exemples de decision. La visualisation de la fonction apprise et les indicateurs de precision, de sensibilite et de robustesse permettent au decideur d'estimer le moment d'arreter la recherche de solutions. Les fonctionnalites d'explication developpees dans ce travail permettent de justifier les recommandations du reseau neuronal, ce qui constitue un des grands defis du domaine de l'aide a la decision multicritere et des reseaux neuronaux. De telles explications facilitent la prise de decision car elles permettent aux decideurs de mieux comprendre et justifier les decisions."

Download or read book Sur la Commande Neuronale Adaptative de Syst mes Non Lin aires Affines written by Hassen Mekki and published by Omniscriptum. This book was released on 2011-10 with total page 144 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce document s'int resse l'identification et la commande adaptative de syst mes non lin aires, par r seaux de neurones. L'approche de commande adopt e est la technique de lin arisation par retour (feedback linearization). Dans une premi re partie de ce document, un algorithme d'approximation stochastique pour l'ajustement des param tres du r seau a t utilis . Les r sultats de simulation prouvent que l'approche consid r e constitue une m thode int ressante pour viter le calcul des d riv es de la fonction co t. De plus, cette approche peut rem dier d'autres inconv nients du gradient, savoir sa lenteur autour du minimum. La seconde partie du livre introduit une nouvelle architecture de r seaux de neurones, savoir les r seaux de neurones structure variable (RNSV). Dans cette architecture le nombre de FBRs dans le r seau peut augmenter ou diminuer au cours du temps selon une strat gie de conception afin d' viter les probl mes de sur ou sous-dimensionnement du r seau. Une commande adaptative indirecte permettant l'annulation asymptotique et exacte des non-lin arit s a fait l'objet de la troisi me partie.

Download or read book Identification de syst mes dynamiques non lin aires par r seaux de neurones et multimod les written by Lamine Thiaw and published by . This book was released on 2008 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette étude traite de l'identification de système dynamique non-linéaire. Une architecture multimodèle capable de surmonter certaines difficultés de l'architecture neuronale de type MLP a été étudiée. L'approche multimodèle consiste à représenter un système complexe par un ensemble de modèles de structures simples à validité limitée dans des zones bien définies. A la place de la structure affine des modèles locaux généralement utilisée, cette étude propose une structure polynômiale plus générale, capable de mieux appréhender les non-linéarités locales, réduisant ainsi le nombre de modèles locaux. L'estimation paramétrique d'une telle architecture multimodèle peut se faire suivant une optimisation linéaire, moins coûteuse en temps de calcul que l'estimation paramétrique utilisée dans une architecture neuronale. L'implantation des multimodèles récurrents, avec un algorithme d'estimation paramétrique plus souple que l'algorithme de rétro-propagation du gradient à travers le temps utilisé pour le MLP récurrent a également été effectuée. Cette architecture multimodèle permet de représenter plus facilement des modèles non-linéaires bouclés tels que les modèles NARMAX et NOE. La détermination du nombre de modèles locaux dans une architecture multimodèle nécessite la décomposition (le partitionnement) de l'espace de fonctionnement du système en plusieurs sous-espaces où sont définies les modèles locaux. Des modes de partitionnement flou (basé sur les algorithmes de« fuzzy-c-means », de « Gustafson et Kessel » et du « subtractive clustering ») ont été présentés. L'utilisation de telles méthodes nécessite l'implantation d'une architecture multimodèle où les modèles locaux peuvent être de structures différentes : polynômiales de degrés différents, neuronale ou polynômiale et neuronale. Une architecture multimodèle hétérogène répondant à ses exigences a été proposée, des algorithmes d'identification structurelles et paramétriques ont été présentés. Une étude comparative entre les architectures MLP et multimodèle a été menée. Le principal atout de l'architecture multimodèle par rapport à l'architecture neuronale de type MLP est la simplicité de l'estimation paramétrique. Par ailleurs, l'utilisation dans une architecture multimodèle d'un mode de partitionnement basé sur la classification floue permet de déterminer facilement le nombre de modèles locaux, alors que la détermination du nombre de neurones cachés pour une architecture MLP reste une tâche difficile.

Download or read book IDENTIFICATION DE SYSTEMES SISO LINEAIRES ET NON LINEAIRES PAR RESEAUX DE NEURONES MULTICOUCHES written by DIDIER.. THEILLIOL and published by . This book was released on 1993 with total page 144 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE DECRIT L'APPLICATION DE TECHNIQUES CONNEXIONNISTES A L'IDENTIFICATION DE SYSTEMES SISO NON LINEAIRES. L'ETABLISSEMENT DE MODELES DE COMPORTEMENT DES SYSTEMES LINEAIRES ET NON LINEAIRES EN VUE DE LEUR CONDUITE EST UN DOMAINE INCONTOURNABLE EN AUTOMATIQUE. LES SYSTEMES LINEAIRES NE REPRESENTENT LE PLUS SOUVENT QU'UNE APPROXIMATION SUR UN DOMAINE REDUIT DE SYSTEMES INTRINSEQUEMENT NON LINEAIRES. NOUS NOUS INTERESSONS, AINSI, A L'IDENTIFICATION DE SYSTEMES NON LINEAIRES EN PRIVILEGIANT UN DOMAINE DE RECHERCHE: LES RESEAUX DE NEURONES MULTICOUCHES. LES CAPACITES D'APPROXIMATION DE SYSTEMES NON LINEAIRES CONSTITUENT L'ATOUT MAJEUR DES RESEAUX DE NEURONES. NOUS TRANSPOSONS LES TECHNIQUES ELABOREES POUR LES SYSTEMES LINEAIRES DANS LE DOMAINE DE L'AUTOMATIQUE AUX SYSTEMES NON LINEAIRES EN FAISANT APPEL AUX RESEAUX DE NEURONES MULTICOUCHES, AFIN DE CONSTRUIRE DES MODELES NEURONAUX. A TRAVERS DIFFERENTES ETUDES, REALISEES POUR DES SYSTEMES LINEAIRES ET NON LINEAIRES, NOUS MONTRONS QU'UN LIEN ETROIT EXISTE ENTRE LES METHODES CLASSIQUES D'IDENTIFICATION DES MODELES PARAMETRIQUES DISCRETS ET LES METHODES NEURONALES TANT AU NIVEAU DES TECHNIQUES D'ESTIMATION DES PARAMETRES QU'AU NIVEAU DE L'IDENTIFICATION STRUCTURELLE. A PARTIR DE DIFFERENTS ALGORITHMES D'ESTIMATION, NOUS ELABORONS UNE DEMARCHE D'IDENTIFICATION QUI PERMET DE DETERMINER LA STRUCTURE DU MODELE NEURONAL, C'EST-A-DIRE D'EVALUER LE RETARD PUR, D'ESTIMER LES ORDRES DU SYSTEME ET D'OPTIMISER LE NOMBRE DE NEURONES DANS LA COUCHE CACHEE

Download or read book L approche multimod le et les r seaux de neurones artificiels written by Samia Talmoudi and published by Presses Academiques Francophones. This book was released on 2015-09-24 with total page 168 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'approche multimodele est capable d'apprehender le comportement d'un systeme complexe par un ensemble de modeles locaux simples, caracterisant le fonctionnement du systeme dans ces differentes zones de fonctionnement. A chaque modele est affecte un coefficient appele validite ou pertinence. Ces validites sont exploitees pour la fusion des modeles de la base dont le but de la determination du modele global multimodele. dans ce travail, on a propose une nouvelle approche de generation systematique d'une base de modeles par exploitation des reseaux de Kohonen. Cette nouvelle approche est capable de generer systematiquement le nombre, les structures et les parametres de modeles de la base, a partir uniquement, d'un fichier riche d'identification. Pour surmonter le probleme de calcul de validites de modeles, une nouvelle technique a ete proposee. Ce critere exploite les centres de classes obtenus dans la phase de determination de la base de modeles. La validation experimentale de la nouvelle approche de generation systematique d'une base de modeles et de la nouvelle technique de calcul de validites ont donne des resultats satisfaisants."

Download or read book IDENTIFICATION ET COMMANDE NEURONALES DE SYSTEMES NON LINEAIRES written by MOSTAFA.. LAIRI and published by . This book was released on 1998 with total page 157 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE EST CONSACREE A L'IDENTIFICATION ET A LA COMMANDE DE SYSTEMES DYNAMIQUES NON LINEAIRES SISO PAR RESEAUX DE NEURONES. DANS UN PREMIER TEMPS, UNE PRESENTATION DES RESEAUX DE NEURONES EST EFFECTUEE EN RAPPELANT L'ORIGINE DES NOMBREUX TRAVAUX ACTUELS ET LES DIFFERENTS MODELES NEURONAUX EXISTANTS. DANS LE DEUXIEME CHAPITRE L'IDENTIFICATION PAR RESEAUX DE NEURONES EST PRESENTEE ETAPE PAR ETAPE DEPUIS LA COLLECTE DES DONNEES JUSQU'A L'OBTENTION DE LA STRUCTURE ET DES PARAMETRES OPTIMAUX. LE CHAPITRE SUIVANT PRESENTE LES DIFFERENTES STRATEGIES DE COMMANDE NEURONALE. UNE STRATEGIE DE CONTROLE NEURONAL PAR ANTICIPATION EST APPLIQUEE A UN SYSTEME DE SUSTENTATION MAGNETIQUE, NON LINEAIRE ET INSTABLE EN BOUCLE OUVERTE. ELLE EST COMPAREE A UNE REGULATION PID STANDARD : ELIMINATION DES DEPASSEMENTS, POURSUITE PARFAITE DE LA REFERENCE, ELARGISSEMENT DE LA PLAGE DE STABILITE. LA STRATEGIE PROPOSEE EST MISE EN UVRE EN TEMPS REEL EN UTILISANT L'ENVIRONNEMENT LOGICIEL MATLAB-SIMULINK ET RTW, QUI PERMET UNE CONCEPTION RAPIDE ET MODULAIRE ET UN CHANGEMENT EN TEMPS REEL DES PARAMETRES ET DES CONSIGNES.

Download or read book M thodologie de mod lisation et de commande par r seaux de neurones pour des dispositifs lectrotechniques non lin aires written by Christophe Forgez and published by . This book was released on 2013 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le domaine de l'electrotechnique recele differents types de phenomenes non lineaires de par la construction et la constitution des machines ou leurs alimentations. Bon nombre de methodes capables de les traiter existent, mais souffrent de ne pas apporter de solutions universelles tant en modelisation qu'en commande les travaux rassembles dans ce memoire proposent un formalisme de modelisation et de commande de systemes electrotechniques en utilisant les reseaux artificiels de neurones. Nous nous sommes efforces d'appliquer les proprietes d'apprentissage des reseaux neuronaux a differents phenomenes rencontres en genie electrique, notamment en electromecanique et electromagnetisme, tout en evoquant leurs avantages et leurs limites. L'apprentissage permet de modeliser des caracteristiques lineaires, non lineaires ou discontinues, a partir d'echantillons de celles-ci, en utilisant des methodes d'optimisation non lineaires dont la plupart souffrent d'un cout exorbitant en temps de calculs. Pour pallier cet inconvenient majeur nous avons propose une methode dite d'initialisation basee sur une regression non lineaire. Celle ci permet entre autre d'optimiser la structure mathematique du reseau neuronal en fonction de la caracteristique a apprendre ce qui permet de reduire considerablement les temps d'apprentissage et d'augmenter la qualite de modelisation. Cette technique demontree et formalisee a ete mise en pratique sur differentes applications. Nous l'avons tout d'abord testee sur la modelisation d'inductances saturables ce qui a permis de soulever les problemes lies au cout et a la qualite des modeles. Au vue des bonnes performances, nous l'avons appliquee sur la modelisation de cycles majeurs d'hysteresis, puis sur des couples de charges mecaniques.

Download or read book IDENTIFICATION ET COMMANDE NEURONALES DE SYSTEMES NON LINEAIRES written by DJAMEL.. YAHIA MEDDAH and published by . This book was released on 1998 with total page 150 pages. Available in PDF, EPUB and Kindle. Book excerpt: LES TRAVAUX PRESENTES DANS CETTE THESE PORTENT SUR L'UTILISATION DES TECHNIQUES CONNEXIONNISTES POUR L'IDENTIFICATION ET LA COMMANDE DE SYSTEMES NON LINEAIRES CONTINUS. L'HYPOTHESE DE LA CONNAISSANCE DE LA STRUCTURE DU MODELE EST PRISE EN COMPTE, AINSI QUE L'INTRODUCTION D'UN EVENTUEL MODELE NOMINAL. LES RESEAUX DE NEURONES, QUI SE VEULENT DES APPROXIMATEURS UNIVERSELS, SONT UTILISES POUR APPROXIMER LES FONCTIONS NON CONNUES DU MODELE DU SYSTEME CONSIDERE. APRES UNE PRESENTATION SYNTHETIQUE DES TECHNIQUES CONNEXIONNISTES POUR L'IDENTIFICATION DES SYSTEMES NON LINEAIRES, UN SCHEMA D'IDENTIFICATION NEURONALE EST PROPOSE POUR LA CLASSE CONSIDEREE DE SYSTEMES. ENSUITE, IL EST PROPOSE UN SCHEMA DE COMMANDE ASYMPTOTIQUEMENT STABLE BASE SUR LE MODELE IDENTIFIE. ENFIN, UNE STRATEGIE DE COMMANDE NEURONALE ADAPTATIVE EST PROPOSEE. L'AJUSTEMENT DES PARAMETRES EST EN LIGNE ET LES APPROXIMATIONS SONT UTILISEES DE MANIERE ADAPTATIVE POUR CALCULER DES COMMANDES ASYMPTOTIQUEMENT STABLES EN BOUCLE FERMEE. DANS CETTE APPROCHE NEURO-ADAPTATIVE, DEUX TYPES DE RESEAUX DE NEURONES SONT CONSIDERES, DES RESEAUX LINEAIREMENT PARAMETRES ET DES RESEAUX NON LINEAIREMENT PARAMETRES. CES DERNIERS PERMETTENT DE REDUIRE CONSIDERABLEMENT LE NOMBRE DE PARAMETRES NECESSAIRES. DANS LES DIFFERENTS SCHEMAS DE COMMANDE PROPOSES, UN TERME DE ROBUSTESSE EST INTRODUIT POUR REDUIRE L'EFFET DE L'ERREUR D'APPROXIMATION INHERENTE A L'UTILISATION DES RESEAUX DE NEURONES. LES PERFORMANCES ET LES QUALITES DES SCHEMAS D'IDENTIFICATION ET DE COMMANDE PROPOSES ONT ETE MONTREES A TRAVERS DES APPLICATIONS EN SIMULATION SUR DES SYSTEMES ROBOTISES.

Download or read book Strat gie de commandes neurofloues pour un syst me continu non lin aire written by Zineddine Gherari and published by . This book was released on 1998 with total page 162 pages. Available in PDF, EPUB and Kindle. Book excerpt: DANS CE MEMOIRE LES OUTILS DEVELOPPES DANS LE CADRE DE LA COMMANDE NEUROFLOUE ONT PERMIS DE RESOUDRE, EN SIMULATION, LES PROBLEMES DE LA CLASSE DES SYSTEMES NON LINEAIRES CONTINUS QU'ILS SOIENT MONO-DIMENSIONELS OU MULTIDIMENSIONELS. APRES UNE PHASE BIBLIOGRAPHIQUE SUR LES RESEAUX DE NEURONES ARTIFICIELS OU NOUS AVONS ANALYSES EN DETAILS LES ALGORITHMES D'APPRENTISSAGE PAR RENFORCEMENT ET LEURS APPLICATIONS ET APRES UN BREF APERCU SUR LA THEORIE DE LA LOGIQUE FLOUE, NOUS AVONS MIS AU POINT UNE ARCHITECTURE DE COMMANDE NEUROFLOUE BNFC BASEE SUR L'ALGORITHME DE LA RETRO PROPAGATION POUR L'APPRENTISSAGE POUVANT ETRE INTERPRETEE ET APPLIQUEE SUIVANT UN TRIPLE CAS D'UTILISATION : D'UNE MANIERE NUMERIQUE, LINGUISTIQUE ET LINEAIRE. NOUS INTRODUISONS EGALEMENT LE CONCEPT D'APPRENTISSAGE PAR RENFORCEMENT POUR LA COMMANDE NEUROFLOUE DES SYSTEMES NON LINEAIRES CONTINUS, DOMAINE QUI A CE JOUR, A NOTRE CONNAISSANCE, N'A JAMAIS ETE ABORDE AVEC SUCCES. EN PROPOSANT UNE METHODOLOGIE GENERALE D'APPRENTISSAGE BASEE SUR LA TECHNIQUE DES DIFFERENCES TEMPORELLES ET L'ALGORITHME DE LA RETRO PROPAGATION, NOUS AVONS MIS EN EVIDENCE UNE ARCHITECTURE DE COMMANDE NEUROFLOUE BAC-NFC QUI DE LA MEME MANIERE PEUT AVOIR UNE TRIPLE INTERPRETATION. L'APPLICATION EN SIMULATION DES DEUX ARCHITECTURES DE COMMANDE PROPOSEES SUR UNE FONCTION NON LINEAIRE, PUIS SUR UN PROTOTYPE DE CHAUDIERE A GAZ, DEMONTRE AINSI AVEC LES RESULTATS OBTENUS L'INTERET DE LA DEMARCHE.

Download or read book Identification de syst mes utilisant les r seaux de neurones written by Héctor Manuel Romero Ugalde and published by . This book was released on 2013 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce rapport porte sur le sujet de recherche de l'identification boîte noire du système non linéaire. En effet, parmi toutes les techniques nombreuses et variées développées dans ce domaine de la recherche ces dernières décennies, il semble toujours intéressant d'étudier l'approche réseau de neurones dans l'estimation de modèle de système complexe. Même si des modèles précis ont été obtenus, les principaux inconvénients de ces techniques restent le grand nombre de paramètres nécessaires et, en conséquence, le coût important de calcul nécessaire pour obtenir le niveau de pratique de la précision du modèle désiré. Par conséquent, motivés pour remédier à ces inconvénients, nous avons atteint une méthodologie complète et efficace du système d'identification offrant une précision équilibrée, la complexité et les modèles de coûts en proposant, d'une part, de nouvelles structures de réseaux de neurones particulièrement adapté à une utilisation très large en matière de modélisation système pratique non linéaire, d'autre part, un simple et efficace technique de réduction de modèle, et, troisièmement, une procédure de réduction de coût de calcul. Il est important de noter que ces deux dernières techniques de réduction peut être appliquée à une très large gamme d'architectures de réseaux de neurones sous deux simples hypothèses spécifiques qui ne sont pas du tout contraignant. Enfin, la dernière contribution importante de ce travail est d'avoir montré que cette phase d'estimation peut être obtenue dans un cadre robuste si la qualité des données d'identification qu'il oblige. Afin de valider la procédure d'identification système proposé, des exemples d'applications entraînées en simulation et sur un procédé réel, de manière satisfaisante validé toutes les contributions de cette thèse, confirmant tout l'intérêt de ce travail.

Download or read book Les r seaux de neurones affin s et leur application la commande automatique du vol written by Tsurng-Jehng Shen and published by . This book was released on 1995 with total page 362 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'OBJECTIF DE CETTE THESE VISE A ETENDRE L'APPLICABILITE DE LA THEORIE DE LA COMMANDE NON-LINEAIRE INVERSE PAR UTILISATION DES RESEAUX DE NEURONES ARTIFICIELS. DANS CE CADRE, ON S'INTERESSE PLUS PARTICULIEREMENT AU PILOTAGE ET AU SUIVI DE TRAJECTOIRES POUR LES AERONEFS. AINSI DANS UNE PREMIERE ETAPE, NOUS ETUDIONS LA TECHNIQUE DE LINEARISATION ENTREE-SORTIE (COMMANDE NON-LINEAIRE INVERSE) APPLIQUEE A LA POURSUITE ASYMPTOTIQUE DE TRAJECTOIRES DE REFERENCE ET LES PRINCIPAUX RESULTATS THEORIQUES SONT MIS EN EVIDENCE PAR APPLICATION DE CETTE TECHNIQUE AU PILOTAGE AUTOMATIQUE D'UN AVION. COMPTE TENU DES LIMITATIONS PRATIQUES DE CETTE APPROCHE, L'UTILISATION DES RESEAUX DE NEURONES ARTIFICIELS POUR LA MODELISATION DU SYSTEME A COMMANDER EST ETUDIEE. UNE NOUVELLE ARCHITECTURE, LES RESEAUX DE NEURONES AFFINES, ET SON ALGORITHME D'APPRENTISSAGE ASSOCIE, SONT DEVELOPPES POUR ETENDRE L'APPLICABILITE DE LA TECHNIQUE DE LINEARISATION ENTREE-SORTIE AUX SYSTEMES POUR LESQUELS ON NE DISPOSE PAS D'UN MODELE ANALYTIQUE COMPLET. FINALEMENT UNE NOUVELLE TECHNIQUE DE COMMANDE, LA COMMANDE INVERSE NEURONALE QUI EST BASEE SUR LA COMMANDE INVERSE NON-LINEAIRE ET L'UTILISATION DES RESEAUX DE NEURONES AFFINES, EST APPLIQUEE A LA COMMANDE AUTOMATIQUE DU VOL D'UN AVION POUR L'ATTERRISSAGE ET LE SUIVI DE TRAJECTOIRES EVOLUTIVES

Download or read book Identification et r glage par r seaux neuronaux artificiels des syst mes dynamiques non lin aires written by Kanaan, Hadi and published by Montréal : École polytechnique de Montréal. This book was released on 1999 with total page 222 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Identification et r glage par r seaux neuronaux artificiels des syst mes dynamiques non lin aires written by Hadi Kanaan and published by . This book was released on 1999 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book RESEAUX DE NEURONES POUR LE FILTRAGE ADAPTATIF L IDENTIFICATION ET LA COMMANDE DE PROCESSUS written by OLIVIER.. NERRAND and published by . This book was released on 1992 with total page 151 pages. Available in PDF, EPUB and Kindle. Book excerpt: LA PRESENTE THESE ENTRE DANS LE CADRE D'UN EFFET DE CLARIFICATION DES RELATIONS CONCEPTUELLES QUI EXISTENT ENTRE L'APPRENTISSAGE DES RESEAUX DE NEURONES FORMELS, L'ADAPTATION DES FILTRES DANS LE DOMAINE DU TRAITEMENT DU SIGNAL, L'IDENTIFICATION ET LA COMMANDE DE PROCESSUS NON LINEAIRES EN AUTOMATIQUE. NOUS PROPOSONS EGALEMENT UNE REPRESENTATION ORIGINALE ET TRES GENERALE DES RESEAUX DE NEURONES FORMELS A TEMPS DISCRET, EN INTRODUISANT LA NOTION DE SYNAPSE A RETARD. NOUS AVONS DEVELOPPE UN ENSEMBLE D'ALGORITHMES TRES GENERAUX PERMETTANT D'EFFECTUER L'APPRENTISSAGE DE RESEAUX DE NEURONES (BOUCLES OU NON) UTILISES EN TANT QUE FILTRES, MODELES PREDICTIFS OU CORRECTEURS DANS DES SYSTEMES DYNAMIQUES NON LINEAIRES. L'UTILISATION DE CES ALGORITHMES EST ILLUSTREE DE FACON DETAILLEE SUR DES EXEMPLES