| Titre : | Conception et interprétation de réseaux connexionnistes multicouches | | Type de document : | texte imprimé | | Auteurs : | Bochereau, Laurent, Auteur ; Grumbach, A., Directeur de thèse | | Editeur : | Université Paris VI | | Année de publication : | 1991 | | Importance : | 133 f. | | Présentation : | ill. | | Format : | 30 cm. | | Note générale : | Thèse d’État: Informatique : Paris, Université Paris VI : 1991
Bibliogr. f. 135 - 140 | | Langues : | Français (fre) | | Mots-clés : | Informatique ; Apprentissage supervisé ; Réseaux connexionnistes multicouches ; Réseaux récurrents ; Réseau après apprentissage | | Index. décimale : | D000491 | | Résumé : | Le connexionnisme est un paradigme des Sciences Cognitives qui regroupe un nombre important de travaux dans des domaines scientifiques variés: Physique, Neurobiologie, Psychologie, Informatique, etc....
En Intelligence Artificielle, ce courant a donné naissance aux réseaux connexionnistes ou réseaux neuronaux artificiel qui ont connu un développement très important, ces dernières années.
Cette thèse traite d'une classe particulière de réseaux connexionnistes, les réseaux connexionniste multicouches, et s'intéresse à leur mise en oeuvre dans la résolution de problèmes de reconnaissance de formes et d'approximation de fonctions.
La problématique étudiée est celle de l'apprentissage supervisé, qui se définit comme l'apprentissage d'une fonction décrite par une base de cas dont le nombre est limité.
L'apprentissage supervisé donne naissance à des classes différentes de problèmes selon le type du vecteur de sortie, continu, discret ou mixte.
Nous proposons le concept de procédure "presque bayésienne presque toujours" (Probably Almost Baysian) qui permet de définir un cadre commun pour l'apprentissage supervisé.
Dans le cas discret, on peut montrer, en se plaçant dans le cadre de la théorie de la décision, que les réseaux connexionnistes multi-couches permettent de construire des approximations des estimateurs bayésiens.
Dans le cas continu, des résultats théoriques prouvent que toute fonction continue sur un compact peut être approchée par un réseau connexionniste à une couche cachée utilisant des fonctions sigmoïdes.
Une partie importante de ce travail vise à présenter des méthodes de construction de réseaux.
Une première méthode consiste à combiner des techniques classiques d'analyse des données avec des techniques connexionnistes.
Une seconde méthode vise à construire des réseaux spécialistes en séparant le problème initial en sous-problèmes.
L'utilisation de réseaux récurrents pour la simulation de phénomènes dynamiques est également discutée.
Les méthodes proposées sont illustrées par plusieurs exemples d'applications.
Il est parfois utile de disposer de l'explication du fonctionnement d'un réseau connexionniste.
Dans le cas où les entrées d'un réseau sont discrètes, nous montrons que ce dernier est fonctionnellement équivalent à un ensemble de clauses et nous proposons des méthodes d'explicitation à la fois de ces clauses et des traits sémantiques utilisés par les réseau pour opérer ses distinctions.
Les domaines d'application privilégiés dans ce travail concernent, d'une part l'estimation des propriétés organoleptiques de produits alimentaires, et d'autre part le contrôle de procédés agro-alimentaires.
Dans le premier cas, l'enjeu est de corréler l'espace des propriétés physico-chimiques avec l'espace des propriétés sensorielles pour un produit alimentaire donné; dans le second cas, le but est de prédire le comportement dynamique de procédés discontinus. |
Conception et interprétation de réseaux connexionnistes multicouches [texte imprimé] / Bochereau, Laurent, Auteur ; Grumbach, A., Directeur de thèse . - [S.l.] : Université Paris VI, 1991 . - 133 f. : ill. ; 30 cm. Thèse d’État: Informatique : Paris, Université Paris VI : 1991
Bibliogr. f. 135 - 140 Langues : Français ( fre) | Mots-clés : | Informatique ; Apprentissage supervisé ; Réseaux connexionnistes multicouches ; Réseaux récurrents ; Réseau après apprentissage | | Index. décimale : | D000491 | | Résumé : | Le connexionnisme est un paradigme des Sciences Cognitives qui regroupe un nombre important de travaux dans des domaines scientifiques variés: Physique, Neurobiologie, Psychologie, Informatique, etc....
En Intelligence Artificielle, ce courant a donné naissance aux réseaux connexionnistes ou réseaux neuronaux artificiel qui ont connu un développement très important, ces dernières années.
Cette thèse traite d'une classe particulière de réseaux connexionnistes, les réseaux connexionniste multicouches, et s'intéresse à leur mise en oeuvre dans la résolution de problèmes de reconnaissance de formes et d'approximation de fonctions.
La problématique étudiée est celle de l'apprentissage supervisé, qui se définit comme l'apprentissage d'une fonction décrite par une base de cas dont le nombre est limité.
L'apprentissage supervisé donne naissance à des classes différentes de problèmes selon le type du vecteur de sortie, continu, discret ou mixte.
Nous proposons le concept de procédure "presque bayésienne presque toujours" (Probably Almost Baysian) qui permet de définir un cadre commun pour l'apprentissage supervisé.
Dans le cas discret, on peut montrer, en se plaçant dans le cadre de la théorie de la décision, que les réseaux connexionnistes multi-couches permettent de construire des approximations des estimateurs bayésiens.
Dans le cas continu, des résultats théoriques prouvent que toute fonction continue sur un compact peut être approchée par un réseau connexionniste à une couche cachée utilisant des fonctions sigmoïdes.
Une partie importante de ce travail vise à présenter des méthodes de construction de réseaux.
Une première méthode consiste à combiner des techniques classiques d'analyse des données avec des techniques connexionnistes.
Une seconde méthode vise à construire des réseaux spécialistes en séparant le problème initial en sous-problèmes.
L'utilisation de réseaux récurrents pour la simulation de phénomènes dynamiques est également discutée.
Les méthodes proposées sont illustrées par plusieurs exemples d'applications.
Il est parfois utile de disposer de l'explication du fonctionnement d'un réseau connexionniste.
Dans le cas où les entrées d'un réseau sont discrètes, nous montrons que ce dernier est fonctionnellement équivalent à un ensemble de clauses et nous proposons des méthodes d'explicitation à la fois de ces clauses et des traits sémantiques utilisés par les réseau pour opérer ses distinctions.
Les domaines d'application privilégiés dans ce travail concernent, d'une part l'estimation des propriétés organoleptiques de produits alimentaires, et d'autre part le contrôle de procédés agro-alimentaires.
Dans le premier cas, l'enjeu est de corréler l'espace des propriétés physico-chimiques avec l'espace des propriétés sensorielles pour un produit alimentaire donné; dans le second cas, le but est de prédire le comportement dynamique de procédés discontinus. |
|
Affiner la rechercheConception et interprétation de réseaux connexionnistes multicouches / Bochereau, Laurent
