Download or read book THEORIE ET APPLICATIONS DES RESEAUX DE NEURONES RECURRENTS ET DYNAMIQUES A LA PREDICTION A LA MODELISATION ET AU CONTROLE ADAPTATIF DES PROCESSUS DYNAMIQUES written by Alexandre Aussem and published by . This book was released on 1995 with total page 454 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE TRAITE DES RESEAUX DE NEURONES DYNAMIQUES ET RECURRENTS (DRNN) OBTENUS EN MODELISANT LES CONNEXIONS PAR DES FILTRES AUTOREGRESSIFS. EN VERTU DE LEUR DYNAMIQUE INTERNE, CES RESEAUX A RECURRENCE SPATIALE ET TEMPORELLE APPROXIMENT LES LOIS SOUS-JACENTES QUI REGISSENT LES SERIES CHRONOLOGIQUES PAR UN SYSTEME D'EQUATIONS AUX DIFFERENCES NON LINEAIRES. UN ALGORITHME D'APPRENTISSAGE LOCAL A PROPAGATION D'ERREUR EST PRESENTE, LEQUEL REDUIT SUBSTANCIELLEMENT LA COMPLEXITE D'UN ALGORITHME A PROPAGATION AVANT. LA PROCEDURE DOIT SON EFFICACITE A LA DECROISSANCE EXPONENTIELLE DU GRADIENT DANS LE RESEAU ADJOINT. CE RESULTAT EST DEMONTRE. LE POTENTIEL DU MODELE DRNN EST ILLUSTRE PAR DES SIMULATIONS INTENSIVES SUR DES SERIES CHRONOLOGIQUES. DES PREDICTIONS SONT EFFECTUEES SUR DES DONNEES ASTRO-CLIMATIQUES, DES PROCESSUS CHAOTIQUES GENERES PAR ORDINATEUR ET LA SERIE DES SUNSPOTS. UNE ANALYSE THEORIQUE EST PRESENTEE, VISANT A UNIFIER LA PREDICTION, LA MODELISATION ET LE CONTROLE ADAPTATIF SOUS UN MEME FORMALISME MATHEMATIQUE. LA GESTION DES RESSOURCES D'UN RESEAU ATM EST AUSSI EXPLOREE PAR L'ENTREMISE DE PLUSIEURS RESEAUX DE NEURONES DISTRIBUES SUR LES COMMUTATEURS.

Download or read book ICANN 98 written by Lars Niklasson and published by Springer Science & Business Media. This book was released on 2013-11-11 with total page 1197 pages. Available in PDF, EPUB and Kindle. Book excerpt: ICANN, the International Conference on Artificial Neural Networks, is the official conference series of the European Neural Network Society which started in Helsinki in 1991. Since then ICANN has taken place in Brighton, Amsterdam, Sorrento, Paris, Bochum and Lausanne, and has become Europe's major meeting in the field of neural networks. This book contains the proceedings of ICANN 98, held 2-4 September 1998 in Skovde, Sweden. Of 340 submissions to ICANN 98, 180 were accepted for publication and presentation at the conference. In addition, this book contains seven invited papers presented at the conference. A conference of this size is obviously not organized by three individuals alone. We therefore would like to thank the following people and organizations for supporting ICANN 98 in one way or another: • the European Neural Network Society and the Swedish Neural Network Society for their active support in the organization of this conference, • the Programme Committee and all reviewers for the hard and timely work that was required to produce more than 900 reviews during April 1998, • the Steering Committee which met in Skovde in May 1998 for the final selection of papers and the preparation of the conference program, • the other Module Chairs: Bengt Asker (Industry and Research), Harald Brandt (Applications), Anders Lansner (Computational Neuroscience and Brain Theory), Thorsteinn Rognvaldsson (Theory), Noel Sharkey (co chair Autonomous Robotics and Adaptive Behavior), Bertil Svensson (Hardware and Implementations), • the conference secretary, Leila Khammari, and the rest of the

Download or read book Les r seaux de neurones pour la mod lisation et la commande des proc d s biotechnologiques written by and published by . This book was released on 2000 with total page 123 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans ce travail nous réalisons une étude sur l'utilisation de réseaux de neurones pour la modélisation, la classification et la prédiction appliquées aux procédés de fermentation. Les modèles de type boîte noire (et nous classifions ici les réseaux de neurones) sont utiles pour la modélisation des procédés ou des phénomènes pour lesquels des modèles analytiques ne peuvent pas être déduits à partir de considérations physiques. Parmi les avantages des modèles neuronaux par rapport aux autres modèles boîte noire, nous mentionnons le fait qu'ils sont des approximateurs universels, leurs fonctions de base sont adaptatives, leur structure répétitive permet une facile implémentation logicielle et matérielle et ils ont la propriété de la régularisation implicite. Ceux-ci, combinés avec les caractéristiques de procédés biologiques (procédés non-linéaires et non-stationnaires dont la dynamique et peu connue), fournissent la raison pour laquelle les réseaux de neurones sont un outil très apprécié pour la modélisation des procédés biologiques, ou des procédés de fermentation, dans notre cas. Nous avons donc utilisé des structures de modèles neuronaux déjà existants et proposé aussi de nouvelles structures pour les cas ciblés de fermentations alcoolique et lactique. Nous présentons deux approches pour la caractérisation de la dynamique d'un procédé de fermentation: la modélisation du taux de croissance en biomasse, le paramètre dynamique principal du procédé et la caractérisation globale du type de la dynamique du procédé à l'aide d'un classifieur neuronal. Les deux approches sont testées en simulation et sur des données expérimentales pour une fermentation lactique et une fermentation alcoolique. La caractérisation globale de la dynamique d'un procédé de fermentation représente un outil potentiel pour la supervision des procédés en détectant les changements dans la dynamique du système où une aide à la modélisation des procédés de fermentation en mode discontinu. Nous avons considéré aussi la prédiction de la biomasse pour une fermentation en mode continu et les modèles neuronaux de prédiction ont été testés dans une stratégie de commande prédictive. Les résultats sont comparés avec la même stratégie prédictive mais utilisant une approche adaptative et l'approche neuronale a un succès incontestable pour les cas ou la dynamique du procédé change dans le temps. Finalement nous nous sommes intéressés à la prédiction du quotient respiratoire, proposant un modèle neuronal de prédiction. Il est réalisé en vue d'une commande prédictive du procédé pour la maintenance d'un certain régime de fonctionnement (oxydatif ou fermentaire).

Download or read book Neural Networks written by Gérard Dreyfus and published by Springer Science & Business Media. This book was released on 2005-11-25 with total page 509 pages. Available in PDF, EPUB and Kindle. Book excerpt: Neural networks represent a powerful data processing technique that has reached maturity and broad application. When clearly understood and appropriately used, they are a mandatory component in the toolbox of any engineer who wants make the best use of the available data, in order to build models, make predictions, mine data, recognize shapes or signals, etc. Ranging from theoretical foundations to real-life applications, this book is intended to provide engineers and researchers with clear methodologies for taking advantage of neural networks in industrial, financial or banking applications, many instances of which are presented in the book. For the benefit of readers wishing to gain deeper knowledge of the topics, the book features appendices that provide theoretical details for greater insight, and algorithmic details for efficient programming and implementation. The chapters have been written by experts and edited to present a coherent and comprehensive, yet not redundant, practically oriented introduction.

Download or read book Adaptation dynamique et apprentissage dans les r seaux de neurones r currents al atoires written by Emmanuel Daucé and published by . This book was released on 2000 with total page 214 pages. Available in PDF, EPUB and Kindle. Book excerpt: Nous étudions un modèle de réseau de neurones récurrent, de grande taille et à temps discret. Les poids synaptiques sont déternminés aléatoirement. Du fait de l'asymétrie des connexions, nos réseaux sont capables d'entretenir une dynamique autonome, et présentent différents régimes, cycliques ou chaotiques. De tels réseaux admettent de plus une description théorique portant sur des variables d'état macroscopiques, nécessitant l'emploi de méthodes issues de la physique statistique (champ moyen à la limite thermodynamique). Par ailleurs, on s'intéresse au couplage entre la dynamique autonome et un signal statistique ou dynamique. On parle alors de dynamique contrainte. L'emploi de simulations numériques permet de mettre en œuvre un apprentissage de type Hebbien qui tend à reconstruire au sein de la dynamique du réseau les caractéristiques du signal d'entrée. L'adaptation dynamique, qui prend place dans le réseau après apprentissage, peut manifester à la fois un comportement de reconnaissance, un calcul et une mémoire de travail. La reconnaissance se manifeste par le fait que le système change qualitativement son régime dynamique lorsqu'un signal appris est présent en entrée. Le calcul repose sur la capacité à reconstruire un signal manquant à partir du signal disponible. Enfin, la mémoire de travail repose sur la structure de circuit qui se met en place dynamiquement dans le système et permet de maintenir au sein de l'activité des neurones la mémoire de plusieurs états, correspondant au nombre de relais du signal interne. De façon plus générale, ce travail pose le problème de la perception et de la reconnaissance. Ce que le système "perçoit" ne se réduit pas au simple signal sensoriel, mais plutôt une interprétation de ce signal par la dynamique interne. Ce que le système perçoit est donc intermédiaire entre ce que le système reçoit de ses entrées sensorielles et ce qu'il pense "percevoir".

Download or read book Les r seaux de neurones written by Pierre Borne and published by Editions OPHRYS. This book was released on 2007 with total page 166 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Sur l approximation et les syst mes dynamiques dans les r seaux neuronaux written by Abderrahim Labbi and published by . This book was released on 1993 with total page 132 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le travail présenté dans cette thèse concerne la modélisation connexionniste de processus de décision par des méthodes mathématiques de la théorie de l'approximation et de la théorie des systèmes dynamiques. Pour cela, deux modèles mathématiques ont été introduits respectivement pour la modélisation du processus de mémoire associative et pour la modélisation de processus de prise de décision dans un environnement évolutif. Les deux modèles ont été rigoureusement analysés d'un point de vue théorique, et ont été validés respectivement sur deux applications: la reconnaissance de caractères et l'aide à la manoeuvre dans un environnement évolutif

Download or read book Apprentissage dans les r seaux r currents pour la mod lisation m canique et tude de leurs interactions avec l environnement written by Nicolas Szilas and published by . This book was released on 1995 with total page 259 pages. Available in PDF, EPUB and Kindle. Book excerpt: Issus d'une analogie avec les réseaux de neurones biologiques du cerveau, les réseaux récurrents sont utilisés pour modéliser des comportements dynamiques complexes et pour reproduire - apprendre - ces comportements. Les propriétés adaptatives de ces réseaux peuvent être exploitées par les réseaux de modélisation physique de phénomènes vibratoires dédiés à la simulation informatique d'instruments de musique. Ces réseaux de modélisation mécanique possèdent des paramètres d'inertie, d'élasticité et de viscosité que l'on souhaite déterminer automatiquement dans le but de reproduire un comportement physique donné ; cette détermination est possible grâce aux réseaux récurrents. Nous développons ainsi un certain nombre d'algorithmes de réseaux de modélisation physique adaptatifs et proposons des algorithmes originaux, inspirés de modèles mécaniques. En particulier, ce travail aborde la notion d'interaction avec l'environnement dans ce type de réseaux, et plus généralement dans les réseaux connexionnistes supervisés. A travers plusieurs expériences, nous montrons que, sous certaines conditions, l'interaction avec l'environnement permet la réussite de l'apprentissage, en particulier si cette interaction autorise un apprentissage à complexité progressive. De plus, nous établissons des rapprochements entre ce type d'apprentissage et certains apprentissages humains. Cela nous amène à poser les bases d'un système d'identification de paramètres pour la modélisation d'instruments de musique. Ce système fait interagir en temps réel un instrumentiste, un instrument de musique et un ordinateur simulant le modèle adaptatif

Download or read book RESEAUX D ONDELETTES ET RESEAUX DE NEURONES POUR LA MODELISATION STATIQUE ET DYNAMIQUE DE PROCESSUS written by YACINE.. OUSSAR and published by . This book was released on 1998 with total page 185 pages. Available in PDF, EPUB and Kindle. Book excerpt: DURANT LES DIX DERNIERES ANNEES, LES RESEAUX DE NEURONES A FONCTIONS SIGMOIDALES ONT CONNU DE GRANDS SUCCES DANS DE NOMBREUX DOMAINES. ASSOCIES A DES ALGORITHMES D'APPRENTISSAGE EFFICACES, ILS CONSTITUENT UN PUISSANT OUTIL DE MODELISATION NON LINEAIRE DE PROCESSUS, GRACE A LEUR PROPRIETE D'APPROXIMATION UNIVERSELLE PARCIMONIEUSE. CE TRAVAIL DE THESE PROPOSE UNE MISE EN UVRE DE RESEAUX D'ONDELETTES, ALTERNATIVE POSSIBLE AUX RESEAUX DE NEURONES, POUR LA MODELISATION STATIQUE ET DYNAMIQUE. LES ONDELETTES SONT UNE FAMILLE DE FONCTIONS ISSUES DU TRAITEMENT DU SIGNAL ET DE L'IMAGE, DONT IL A ETE RECEMMENT MONTRE QU'ELLES POSSEDENT LA PROPRIETE D'APPROXIMATEUR UNIVERSEL. LA MISE EN UVRE DES RESEAUX D'ONDELETTES EST EFFECTUEE SUIVANT DEUX APPROCHES : - APPROCHE FONDEE SUR LA TRANSFORMEE CONTINUE: LES PARAMETRES DES FONCTIONS SONT A VALEURS CONTINUES DANS L'ENSEMBLE DES NOMBRES REELS ET PEUVENT DONC ETRE AJUSTES, COMME CEUX D'UN RESEAU DE NEURONES CLASSIQUE, A L'AIDE DE METHODES DE GRADIENT. NOUS PROPOSONS DES RESEAUX ET DES ALGORITHMES D'APPRENTISSAGE POUR LA MODELISATION ENTREE-SORTIE ET D'ETAT. LES RESULTATS OBTENUS SUR DES PROCESSUS SIMULES ET REEL MONTRENT QUE CES RESEAUX PERMETTENT D'OBTENIR DES MODELES DE PERFORMANCE ET DE PARCIMONIE EQUIVALENTES A CELLES DES RESEAUX DE NEURONES SI DES PRECAUTIONS DE MISE EN UVRE SONT PRISES. - APPROCHE FONDEE SUR LA TRANSFORMEE DISCRETE: LES PARAMETRES DES FONCTIONS ETANT A VALEURS DISCRETES, LES APPRENTISSAGES FONDES SUR DES METHODES DE GRADIENT NE SONT PAS APPLICABLES. NOUS PROPOSONS DE CONSTRUIRE DES RESEAUX PAR SELECTION D'ONDELETTES DANS UNE BIBLIOTHEQUE PRE-ETABLIE. CETTE PROCEDURE EST EGALEMENT UTILISEE POUR L'INITIALISATION DES PARAMETRES DES ONDELETTES AVANT LEUR APPRENTISSAGE. LES RESULTATS OBTENUS MONTRENT QUE LA PROCEDURE PROPOSEE CONFERE A L'APPRENTISSAGE UNE MEILLEURE INDEPENDANCE VIS-A-VIS DE L'INITIALISATION ALEATOIRE DES AUTRES PARAMETRES AJUSTABLES DU RESEAU.

Download or read book Dynamiques de r seaux complexes mod lisation et simulations written by Mohamed Maama and published by . This book was released on 2020 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'objectif de ce travail est d'analyser théoriquement et numériquement la dynamique d'un réseau de neurones excitateurs et inhibiteurs d'équations différentielles ordinaires (ODE) de type Hodgkin-Huxley (HH) inspiré du cortex visuel primaire V1. Le modèle met l'accent sur une approche combinant un entraînement stochastique entraîné pour chaque neurone et des entrées récurrentes résultant de l'activité du réseau. Après un examen de la dynamique d'une seule équation HH, pour les cas déterministes et stochastiques, nous procédons à l'analyse du réseau. Notre analyse numérique met en évidence des propriétés émergentes telles que la synchronisation et la synchronisation partielles, les ondes d'excitabilité et les oscillations dans la fréquence de la bande gamma.

Download or read book Mod lisation de Grands R seaux de Neurones Par Processus de Hawkes written by Julien Chevallier and published by . This book was released on 2016 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: How does the brain compute complex tasks? Is it possible to create en artificial brain? In order to answer these questions, a key step is to build mathematical models for information processing in the brain. Hence this manuscript focuses on biological neural networks and their modelling. This thesis lies in between three domains of mathematics - the study of partial differential equations (PDE), probabilities and statistics - and deals with their application to neuroscience. On the one hand, the bridges between two neural network models, involving two different scales, are highlighted. At a microscopic scale, the electrical activity of each neuron is described by a temporal point process. At a larger scale, an age structured system of PDE gives the global activity. There are two ways to derive the macroscopic model (PDE system) starting from the microscopic one: by studying the mean dynamics of one typical neuron or by investigating the dynamics of a mean-field network of n neurons when n goes to infinity. In the second case, we furthermore prove the convergence towards an explicit limit dynamics and inspect the fluctuations of the microscopic dynamics around its limit. On the other hand, a method to detect synchronisations between two or more neurons is proposed. To do so, tests of independence between temporal point processes are constructed. The level of the tests are theoretically controlled and the practical validity of the method is illustrated by a simulation study. Finally, the method is applied on real data.

Download or read book METHODES STATISTIQUES DE SELECTION D ARCHITECTURES NEURONALES written by DOMINIQUE.. URBANI and published by . This book was released on 1995 with total page 160 pages. Available in PDF, EPUB and Kindle. Book excerpt: LES RESEAUX DE NEURONES FORMELS CONNAISSENT DEPUIS QUELQUES ANNEES UN DEVELOPPEMENT IMPORTANT, NOTAMMENT DANS LE DOMAINE DE L'AUTOMATIQUE ET DE LA COMMANDE DE PROCESSUS. CEPENDANT, PEU DE TRAVAUX ABORDENT LE PROBLEME DE LA SELECTION DE MODELES: LA SELECTION CONSISTE A DETERMINER LES ENTREES ET L'ARCHITECTURE DU MODELE AFIN QUE CELUI-CI SOIT TOUT A LA FOIS PERFORMANT (POSSEDANT DE BONNES CAPACITES DE GENERALISATION) ET PARCIMONIEUX (LA COMPLEXITE DE SA STRUCTURE EST MINIMALE, AFIN DE REDUIRE LE NOMBRE DE CALCUL). D'AUTRE PART, L'INTERET CROISSANT POUR LES RESEAUX DE NEURONES A CONDUIT A LA CONCEPTION DE CIRCUITS DEDIES AUX APPLICATIONS NEURONALES. OR, LA REALISATION DE TELS CIRCUITS EST D'AUTANT PLUS FACILE QUE LEUR STRUCTURE EST SIMPLE. DANS CETTE DOUBLE OPTIQUE, NOUS NOUS SOMMES INTERESSES AU PROBLEME DE LA SELECTION DE MODELES NEURONAUX. DES METHODES HEURISTIQUES DE SELECTION ONT ETE PROPOSEES DANS LA LITTERATURE, MAIS NOUS AVONS CHOISI D'UTILISER DES METHODES STATISTIQUES, QUI REPOSENT SUR DES BASES THEORIQUES SOLIDES. LE PROBLEME A ETE ABORDE DANS LE CADRE PARTICULIER DE LA MODELISATION DE PROCESSUS DYNAMIQUES NON LINEAIRES. APRES AVOIR POSE LE PROBLEME DE LA MODELISATION DE PROCESSUS, NOUS PROPOSONS UNE PROCEDURE DE SELECTION DE MODELES NARX QUI SE DECOMPOSE EN TROIS PHASES: DANS LA PREMIERE PHASE, LE PROCESSUS EST ETUDIE DANS PLUSIEURS ZONES LOCALES DE FONCTIONNEMENT, DANS LESQUELLES SON COMPORTEMENT PEUT ETRE APPROCHE A L'AIDE DE MODELES SIMPLES, LINEAIRES PAR RAPPORT AUX PARAMETRES. UN MODELE NEURONAL DU PROCESSUS, VALIDE SUR TOUT LE DOMAINE DE FONCTIONNEMENT DU PROCESSUS, ET DONT LES ENTREES SONT CELLES SELECTIONNEES LORS DE LA PREMIERE PHASE, EST ALORS CONSTRUIT. DE NOUVELLES SELECTIONS SONT EFFECTUEES POUR REDUIRE SI NECESSAIRE SES ENTREES (DEUXIEME PHASE), PUIS LE NOMBRE DE SES NEURONES (TROISIEME PHASE). CETTE PROCEDURE EST APPLIQUEE A PLUSIEURS PROCESSUS NARX SIMULES

Download or read book Les r seaux de neurones pour la mod lisation et le contr le du proc d d vaporation written by Michel Benne and published by . This book was released on 1999 with total page 358 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce travail de recherche, consacré à la synthèse d'une commande prédictive à modèle neuronal du procédé d'évaporation en multiple - effets, s'inscrit dans la continuité des travaux menés au L.G.I. depuis plusieurs années. Le mémoire de thèse s'articule en cinq chapitres : le premier présente l'atelier d'évaporation dans la chaîne de fabrication du sucre, et les développements théoriques et expérimentaux nécessaires à l'identification d'un modèle dynamique du procédé. Le chapitre 2 pose les bases théoriques du transfert technologique que constitue l'application des réseaux de neurones pour la modélisation et le contrôle des procédés industriels. La première partie de ce transfert technologique, décrite dans le chapitre 3, concerne l'identification de modèles du procédé d'évaporation, à partir de données expérimentales issues des campagnes de mesure menées à la sucrerie de Bois Rouge de la Réunion en 1997 et 1998, et la simulation des modèles identifiés. Dans le chapitre 4, la problématique de l'autorisation du procédé, confrontée aux limites rencontrées par les schémas de régulation traditionnels, justifie la mise en oeuvre d'une stratégie de commande avancée. Cette démarche, qui constitue la deuxième partie du transfert technologique que nous avons entrepris, aboutit à la mise en oeuvre d'un schéma de commande prédictive mono variable basée sur un modèle à réseau de neurones, testé en simulation dans le chapitre 5. L'ensemble des résultats de simulation sont prometteurs, ce qui permet d'envisager l'implantation d'une stratégie similaire in situ dans les meilleurs délais.

Download or read book Mod lisation de dispositifs lectriques par r seaux de neurones en vue de l mulation en temps r el written by Luc Constant and published by . This book was released on 2000 with total page 162 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans ce travail, l'auteur présente la conception et l'étude de réseaux de neurones destinés à la modélisation de dispositifs électriques. Ces modèles sont conçus en vue d'une future réalisation en temps réel s'intégrant dans des émulateurs d'ensembles convertisseurs statiques / machines électriques / capteurs. La première partie rappelle les principes de base de l'émulation temps réel. L'auteur présente ensuite les techniques du connexionnisme, et plus particulièrement l'utilisation des réseaux de neurones pour la modélisation de processus dynamiques. La réalisation d'un modèle neuronal de la machine à courant continu est la première application de ces techniques. Puis l'auteur décrit la démarche qui a permis de réaliser un modèle neuronal de la machine asynchrone. Cette démarche comporte trois points essentiels : 1) Choix d'une structure de réseau, 2) Identification d'une séquence d'apprentissage représentative du processus, 3) Mise en oeuvre d'une procédure de validation du modèle. Cette partie est conclue par l'étude de la structure d'un réseau apte à reproduire les phénomènes de saturation magnétique de la machine asynchrone. Pour conclure ce mémoire, une méthode originale de modification du pas de calcul des modèles neuronaux à temps discret est présentée. Cette méthode a permis d'obtenir un modèle de machine asynchrone dont le pas de calcul est suffisamment fin pour répondre aux exigences du concept d'émulation.

Download or read book ALGORITHMES D APPRENTISSAGE POUR RESEAUX CONNEXIONNISTES RECURRENTS APPLICATION A LA MODELISATION DE PROCESSUS D INTERPRETATION written by JEAN-PIERRE.. RAYSZ and published by . This book was released on 1991 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: LES RESEAUX CONNEXIONNISTES ONT CONNU UN REEL ENGOUEMENT CES DERNIERES ANNEES. PARMI EUX, LES RESEAUX RECURRENTS OCCUPENT UNE PLACE A PART: ILS PRESENTENT EN THEORIE DES COMPORTEMENTS PLUS VARIES QUE LES RESEAUX UNIDIRECTIONNELS MAIS EN PRATIQUE, ILS N'ONT PAS ENCORE ATTEINT LE NIVEAU DE PERFORMANCE DE CEUX-CI. LES ALGORITHMES EXISTANTS PERMETTENT L'APPRENTISSAGE DE TRAJECTOIRES ET L'APPRENTISSAGE D'ASSOCIATIONS SIMPLES MAIS PAS L'APPRENTISSAGE D'ASSOCIATIONS MULTIPLES. NOUS PROPOSONS PLUSIEURS ALGORITHMES QUI PERMETTENT DE REMEDIER A CE PROBLEME EN OFFRANT LA POSSIBILITE DE DEFINIR PLUS PRECISEMENT LA FORME DES DYNAMIQUES PRODUITES PAR CES RESEAUX. NOUS PROPOSONS D'UTILISER CE NOUVEL OUTIL POUR MODELISER UN CERTAIN NOMBRE D'ACTIVITES COGNITIVES QUE NOUS REGROUPERONS SOUS L'APPELLATION: PROCESSUS D'INTERPRETATION. APRES AVOIR DECRIT LES PROBLEMES POSES PAR LA MODELISATION DE CES PROCESSUS, NOUS MONTRERONS EN QUOI LES RESEAUX CONNEXIONNISTES RECURRENTS APPORTENT UNE SOLUTION INTERESSANTE. NOUS AVONS DEVELOPPE SUR CES PRINCIPES UNE APPLICATION SUR LA POLYSEMIE DE L'ADVERBE ENCORE. NOUS PRESENTONS LES DIFFERENTES ETAPES DE CETTE EXPERIMENTATION ET LES RESULTATS QUE NOUS AVONS OBTENUS

Download or read book DEVELOPPEMENT ET EVOLUTION DE RESEAUX DE NEURONES ARTIFICIELS APPLICATION AU CONTROLE D UN ANIMAT HEXAPODE written by JEROME.. KODJABACHIAN and published by . This book was released on 1998 with total page 169 pages. Available in PDF, EPUB and Kindle. Book excerpt: UN ANIMAT EST UN PROGRAMME OU UN ARTEFACT PHYSIQUE DONT LE FONCTIONNEMENT S'INSPIRE DE CELUI DES ANIMAUX. IL A DES MOTEURS ET DES CAPTEURS ET SA SURVIE DANS UN ENVIRONNEMENT DEPEND DE LA CAPACITE QU'A SON ARCHITECTURE DE CONTROLE D'ASSOCIER UNE REPONSE APPROPRIEE A CHAQUE SITUATION. L'ARCHITECTURE DE CONTROLE D'UN ANIMAT PEUT PRENDRE LA FORME D'UN RESEAU DE NEURONES ARTIFICIELS DYNAMIQUES DONT LES PARAMETRES ET LA TOPOLOGIE SONT DETERMINES AU COURS D'UN PROCESSUS IMITANT L'EVOLUTION NATURELLE. CE PROCESSUS OPERE UNE RECHERCHE DANS UN ESPACE DE REPRESENTATIONS PROCEDURALES COMPACTES, A PARTIR DESQUELLES UN PROCESSUS DE DEVELOPPEMENT CONSTRUIT DES RESEAUX DE NEURONES FONCTIONNELS (OU MODULES), DANS UN SUBSTRAT GEOMETRIQUE. UN JEU DE CONTRAINTES GRAMMATICALES PERMET DE LIMITER L'ESPACE DE RECHERCHE A L'ENSEMBLE DES REPRESENTATIONS QUI RESPECTENT UNE CERTAINE SYNTAXE. UNE APPROCHE INCREMENTALE EST ADOPTEE : L'EVOLUTION D'UNE ARCHITECTURE COMPLEXE EST DIVISEE EN ETAPES, AU COURS DESQUELLES DES MODULES NEURONAUX SUPPLEMENTAIRES SONT AJOUTES A L'ANIMAT, TANDIS QUE L'ENVIRONNEMENT SE COMPLEXIFIE PEU A PEU. CETTE METHODOLOGIE EST UTILISEE POUR FAIRE EVOLUER DES RESEAUX DE NEURONES RECURRENTS QUI CONTROLENT LE COMPORTEMENT D'INSECTES ARTIFICIELS. L'UTILISATION D'UN MODELE D'ANIMAT HEXAPODE, EQUIPE DE DEUX ANTENNES, PERMET DE GENERER DIFFERENTS MODULES DE CONTROLE. TOUT D'ABORD, DES CONTROLEURS POUR LA LOCOMOTION EN LIGNE DROITE EVOLUENT. PUIS L'UN DE CES CONTROLEURS EST RETENU POUR SERVIR COMME PREMIER MODULE DANS DIFFERENTES ARCHITECTURES PLUS COMPLEXES. DES MODULES CAPABLES DE DECLENCHER OU D'INHIBER LE COMPORTEMENT DE LOCOMOTION, SELON LA VALEUR D'UN SIGNAL DE CONTROLE EXTERNE, TONIQUE OU PHASIQUE, SONT AJOUTES. FINALEMENT, DANS UNE SERIE D'EXPERIENCES AU COURS DESQUELLES L'ANIMAT EST AUTORISE A SE DEPLACER DANS UN PLAN, DES MODULES PERMETTANT DE SUIVRE UN COULOIR OU DE SE DIRIGER VERS LA SOURCE D'UNE ODEUR TOUT EN EVITANT DES OBSTACLES SONT GENERES.

Download or read book Algorithmes d apprentissage par renforcement pour la commande adaptative written by and published by . This book was released on 1992 with total page 125 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse présente différentes méthodes d'identification d'une loi de commande pour le contrôle de systèmes dynamiques. Ces méthodes sont basées sur l'utilisation de réseaux de neurones artificiels pour l'approximation de fonctions à partir d'exemples. Une synthèse bibliographique des différentes applications des réseaux de neurones pour le contrôle de processus est présentée. Trois types d'utilisation des réseaux de neurones sont décrits : l'identification directe d'un système ou d'un contrôleur à partir d'exemples, l'identification d'un contrôleur grâce à l'algorithme de "rétropropagation à travers le temps" et, enfin, les méthodes d'apprentissage par renforcement. Cette dernière famille d'algorithmes est analysée en détail. Un nouvel algorithme d'apprentissage par renforcement baptisé "B-Learning" est proposé. L'originalité de cet algorithme réside dans l'estimation de "bénéfices" associés aux commandes. Ces bénéfices sont définis comme la variation au cours du temps de la qualité à long terme de l'état du système. Le B-Learning ainsi que d'autres algorithmes d'apprentissage par renforcement sont expérimentés sur un cas d'école, le pendule inverse, ainsi que sur une application industrielle : le contrôle d'une usine de production d'eau potable.