Download or read book Algorithmes base de r seaux de neurones pour la commande de syst mes dynamiques non lin aires et leurs mod les d int gration sur silicium microforme written by Sébastien Lesueur and published by Library and Archives Canada = Bibliothèque et Archives Canada. This book was released on 2004 with total page 376 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Networks of neural cliques written by Philippe Gripon and published by . This book was released on 2011 with total page 122 pages. Available in PDF, EPUB and Kindle. Book excerpt: Nous proposons et développons un modèle original de mémoires associatives s'appuyant sur des réseaux de neurones codés. Les mémoires associatives sont des dispositifs capables d'apprendre des messages binaires puis de les reproduire à partir de fractions de leurs contenus. L'état de l'art est le réseau proposé par Hopfield, dont la diversité de mémorisation - le nombre de messages qu'il peut mémoriser - est inférieure à n/(2log(n)) où n est le nombre de neurones dans le réseau. Notre travail a consisté à tirer parti des techniques de codage et de décodage correcteur d'erreur, plus précisément celle des codes distribués, affn d'accroître considérablement les performances des mémoires associatives. Pour ce faire, nous avons introduit des codes originaux dont les mots de code sont portés par des cliques neurales. Nous montrons que, combinées à des codes locaux parcimonieux, ces cliques neurales offrent une diversité d'apprentissage qui évolue comme le carré du nombre de neurones. Les gains observés viennent de l'utilisation de la parcimonie à plusieurs échelles : d'une part les messages appris sont de longueur bien inférieure à n, d'autre part ils n'utilisent qu'une partie du matériel disponible, que ce soit au niveau des neurones ou de leurs connexions. L'apprentissage est donc localisé, au contraire des réseaux de Hopfield. De plus, ces mémoires bénéficient d'une effcacité - rapport du nombre de bits appris au nombre de bits utilisés - presque maximale. Elles se présentent donc comme une alternative intéressante aux mémoires indexées classiques. Au delà de l'aspect quantitatif, le modèle que nous proposons offre une plausibilité biologique fortement accrue par rapport au modèle de Hopfield. Les concepts de cliques neurales, de winner take all, ou encore de synchronisation temporelle que ce modèle exploite rejoignent les observations récentes rapportées par la littérature neurobiologique. Par ailleurs, elles pourraient ouvrir la voie à la conception de machines cognitives capables de croiser des informations pour en produire de nouvelles car les cliques neurales sont recouvrantes, par leurs sommets ou par leurs arêtes.

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 THE RECURSIVE DETERMINISTIC PERCEPTRON AND TOPOLOGY REDUCTION STRATEGIES FOR NEURAL NETWORKS written by David A. Elizondo Acuna and published by . This book was released on 1997 with total page 148 pages. Available in PDF, EPUB and Kindle. Book excerpt: LES STRATEGIES DE REDUCTION DE LA TOPOLOGIE DES RESEAUX DE NEURONES PEUVENT POTENTIELLEMENT OFFRIR DES AVANTAGES EN TERMES DE TEMPS D'APPRENTISSAGE, D'UTILISATION, DE CAPACITE DE GENERALISATION, DE REDUCTION DES BESOINS MATERIELS, OU COMME ETANT PLUS PROCHES DU MODELE BIOLOGIQUE. APRES AVOIR PRESENTE UN ETAT DE L'ART DES DIFFERENTES METHODES EXISTANTES POUR DEVELOPPER DES RESEAUX DES NEURONES PARTIELLEMENT CONNECTES, NOUS PROPOSONS QUELQUES NOUVELLES METHODES POUR REDUIR LE NOMBRE DE NEURONES INTERMEDIAIRES DANS UNE TOPOLOGIE DE RESEAUX NEURONAL. CES METHODES SONT BASEES SUR LA NOTION DE CONNEXIONS D'ORDRE SUPERIEUR. UN NOUVEL ALGORITHME POUR TESTER LA SEPARABILITE LINEAIRE ET, D'AUTRE PART, UNE BORNE SUPERIEURE DE CONVERGENCE POUR L'ALGORITHME D'APPRENTISSAGE DU PERCEPTRON SONT DONNES. NOUS PRESENTONS UNE GENERALISATION DU RESEAU NEURONAL DU PERCEPTRON, QUE NOUS NOMMONS PERCEPTRON DETERMINISTE RECURSIF (RDP) QUI PERMET DANS TOUS LES CAS DE SEPARER DEUX CLASSES, DE FACON DETERMINISTE (MEME SI LES DEUX CLASSES NE SONT PAS DIRECTEMENT LINEAIREMENT SEPARABLES). CETTE GENERALISATION EST BASEE SUR L'AUGMENTATION DE LA DIMENSION DU VECTEUR D'ENTREE, LAQUELLE PRODUIT PLUS DE DEGRES DE LIBERTE. NOUS PROPOSONS UNE NOUVELLE NOTION DE SEPARABILITE LINEAIRE POUR M CLASSES ET MONTRONS COMMENT GENERALISER LE RDP A M CLASSES EN UTILISANT CETTE NOUVELLE NOTION.

Download or read book Computing with Spikes Architecture Properties and Implementation of Emerging Paradigms written by Horacio Rostro-González and published by . This book was released on 2011 with total page 152 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans cette thèse, nous étudions à un niveau pratique comment nous pouvons réaliser des processus computationnels avec des potentiels d'action (spikes). Nous étudions le problème de la programmation d'un système dynamique modélisé comme un réseau de neurones, et nous considérons des implémentations en software et en hardware. Tout d'abord, nous révisons le modèle de réseau de neurones à temps discret introduit par Soula et al. (2006) et nommé ici BMS. L'intérêt d'utiliser ce modèle est dû à son habileté à reproduire des dynamiques assez riches (voir la section 1.2.4) et aussi permettre d'établir un lien direct entre le potentiel de la membrane et les impulsions de la neurone (spiking activity). En se basant sur une généralisation de ce modèle, nous proposons une méthode afin d'estimer d'une manière efficace les paramètres (les poids synaptiques à différents délais) d'un réseau de neurones à partir de l'observation de sa dynamique (train d'impulsions). L'idée est d'éviter le problème NP-complet qui se pose dès que nous considérons les poids synaptiques et les délais de transmission. Notre méthode permet de définir un système de programmation linéale à partir du modèle BMS et d'effectuer l'estimation des paramètres de manière polynomiale. Ensuite, nous introduisons un mécanisme de réservoir computing (réseau de neurones cachés) afin de faire une estimation plus robuste. Finalement, nous appliquons cette idée à l'implémentation de transformations entrée-sortie, où la méthode est capable d'apprendre les paramètres implicites correspondant à la fonction de transfert. Dans un second temps, nous travaillons au développement d'implémentations numériques permettant de valider nos algorithmes. De plus, nous faisons des contributions au niveau de la programmation de méthodes pour l'analyse de trains d'impulsions et la simulation de réseaux de neurones à impulsion. Nous co-développons une librairie numérique en C++, nommée EnaS et distribuée sous une licence gratuite CeCILL-C. Cette librairie est également compatible avec d'autres simulateurs et peut être utilisée comme un plugin. La dernière partie de la thèse se focalise sur les implémentations en hardware de modèles bio inspirés. Nous faisons le choix de regarder des technologies à bas coût basées sur les FPGA (réseau de portes programmables in situ) et les GPU (processeur graphique). Nous évaluons la réponse des implémentations en hardware des modèles de neurones du type intègre-et-tire quand ils sont soumis aux différents régimes d'activité neuronale. L'implémentation sur le FPGA a été accomplie en faisant une analyse sur la précision et sa performance a été comparée avec celle du GPU.

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 Neural Networks and Sparse Information Acquisition written by Behrooz Kamary Aliabadi and published by . This book was released on 2013 with total page 127 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse traite de mémoires associatives neuro-inspirées. Une extension des réseaux de neurones récurrents et binaires introduits par Gripon et Berrou a été étudiée pour y accroître les effets de la parcimonie. Dans cette nouvelle version de réseaux de neurones, l'information est portée par des motifs graphiques (cliques) qui ne font appel qu'à une fraction des ressources disponibles. Ces motifs peuvent également être de tailles différentes et donc porter une information de longueur variable. Nous avons validé le concept et calculé les limites de capacité et de correction d'effacements en fonction des taux d'erreurs recherchés. Ces limites ont été comparées à des résultats de simulation obtenus dans différentes situations de test. Nous avons également analysé ces réseaux sous l'éclairage de la théorie de l'information et établi un lien avec la problématique de l'acquisition compressée (compressed sensing).