Auswahl der wissenschaftlichen Literatur zum Thema „Réseaux neuronaux basés sur la physique“

Identifier tous les processus physiques élémentaires du cycle hydrologique qui peuvent avoir lieu dans un bassin versant et attribuer à chacun d'eux une description analytique permettant la prévision conduisent à des structures complexes employant un nombre élevé de paramètres difficilement accessibles. En outre, ces processus, même simplifiés, sont généralement non linéaires. Le recours à des modèles à faible nombre de variables, capables de traiter la non-linéarité, s'avère nécessaire. C'est dans cette optique que nous proposons une méthode de modélisation de la relation pluie et débit basée sur l'utilisation de réseaux neuronaux. Les performances de ces derniers dans la modélisation non linéaire ont été déjà prouvées dans plusieurs domaines scientifiques (biologie, géologie, chimie, physique). Dans ce travail, nous utilisons l'algorithme de la rétropropagation des erreurs avec un réseau à 3 couches de neurones. La fonction de transfert appliquée est de type sigmoïde. Pour prédire le débit à un moment donné, on présente à l'entrée du réseau des valeurs de pluies et de débits observés à des instants précédents. La structure du réseau est optimisée pour obtenir une bonne capacité prévisionnelle sur des données n'ayant pas participé au calage. L'application du réseau à des données pluviométriques et débimétriques du bassin de l'oued Beth permet d'obtenir de bonnes prévisions d'un ou plusieurs pas de temps, aussi bien journalières qu'hebdomadaires. Pour les données n'ayant pas participé au calage, les coefficients de corrélation entre les valeurs observées et les valeurs estimées par les différents modèles sont élevés. Ils varient de 0.72 à 0.91 pour les coefficients de corrélation de Pearson et de 0.73 à 0.95 pour les coefficients de Spearman.

Parmi les maladies potentiellement mortelles, le cancer est l'une des plus traumatisantes et des plus génératrices de détresse. Il impacte le sens même de l'identité de l'individu et perturbe chez lui des caractéristiques essentielles, en rapport direct avec la conscience de soi et le caractère unique de la personne. Il attaque l'intégrité physique des patients, amenant la question de la mort au premier plan, et peut mettre en cause directement leur sentiment d'appartenance aux micro- et macro-systèmes sociaux autour d'eux. Cet article souligne l'importance de comprendre que souffrance psychologique et douleur physique sont étroitement interconnectées et, dans le contexte de la psycho-oncologie, propose une perspective clinique basée sur l'approche de désensibilisation et de retraitement par les mouvements oculaires (EMDR), approche pour laquelle l'événement qu'est le cancer est inscrit dans l'histoire de vie du patient. L'EMDR est une approche thérapeutique fondée sur le modèle du traitement adaptatif de l'information (TAI). Le modèle TAI postule que la psychopathologie apparaît quand des expériences non traitées sont enregistrées dans leur propre réseau neuronal et se trouvent dans l'impossibilité de se connecter à d'autres réseaux plus adaptatifs. Dans cette perspective, on suppose que le noyau de la souffrance clinique est enchâssé dans ces souvenirs qui demeurent en suspens de façon dysfonctionnelle. Selon des articles scientifiques récents que nous présentons dans cet article, il semble que les traumas du passé et les traumas liés au cancer entretiennent un cercle vicieux entre la santé psychologique et physique de l'individu, et l'objectif de la thérapie EMDR est de briser ce cercle. De récentes recherches scientifiques avancent l'hypothèse que le thérapie EMDR est efficace au niveau psychologique comme au niveau physique. Cependant, à cause de l'hétérogénéité générale des protocoles de recherche, les résultats rapportés dans cet article soulignent la nécessité de mener d'autres recherches contrôlées afin de permettre une analyse plus complète.

The metric of the current roads networks tends intrinsically to favour the efficiency of the routes which have the longer range, what leads to promote urban sprawl and automobile dependence. Indeed this metric ensures to individuals the possibility to travel even further, without necessarily increasing their transportation time in the same proportions. According to this assessment, we introduce a new kind of metric, the “slow metric”, which amounts to invert the current ratios of efficiency between the different types of automobile travels, that’s to say to favour the efficiency of the short range travels. At last, we discuss the ability of the slow metric to be a lever, on the one hand to contend automobile dependence in the roads networks design and, on the other hand, in a more general perspective, to promote territorial functionings based on physical proximity between places of lives, what leads them to be more sustainable. En favorisant avant tout l’efficacité des trajets automobiles aux portées les plus longues, la métrique de tous les réseaux viaires actuels revient à encou­rager intrinsèquement l’étalement urbain et la dépendance automobile. Cette métrique permet en effet aux individus de se déplacer toujours plus loin sans pour autant voir augmenter leur temps de transport dans les mêmes propor­tions. A partir de ce constat, nous proposons une nouvelle métrique, dite métrique lente, qui revient à inverser les rapports d’efficacité actuels des différents types de trajets automobiles, c’est-à-dire à favoriser l’efficacité des trajets de courte portée. Nous discutons enfin des externalités qu’offre cette métrique, d’une part pour lutter contre la dépendance automobile dans la conception même des systèmes de transport et, d’autre part, pour favoriser dans une perspective plus générale des fonctionnements territoriaux basés sur la proximité physique entre les lieux et qui seraient de ce fait plus durables.

On explore différentes applications des réseaux de neurones pour les méthodes numériques, dans le contexte de la simulation de fluides ou de plasmas.Une première application est l'apprentissage d'une fermeture pour un modèle macroscopique, à partir de données issues d'un modèle cinétique. On donne des résultats numériques pour l'équation de Vlasov-Poisson en 1D et l'équation de Boltzmann en 2D.Une deuxième application est l'apprentissage de paramètres dépendants du problème considéré dans les schémas numériques. On apprend ainsi un coefficient de viscosité artificielle pour un schéma de Galerkin discontinu, et une matrice de relaxation pour la méthode de Lattice-Boltzmann
Different applications of neural networks for numerical methods are explored, in the context of fluid or plasma simulation.A first application is the learning of a closure for a macroscopic model, based on data from a kinetic model. Numerical results are given for the Vlasov-Poisson equation in 1D and the Boltzmann equation in 2D.A second application is the learning of problem-dependent parameters in numerical schemes. In this way, an artificial viscosity coefficient is learned for a discontinuous Galerkin scheme, and a relaxation matrix for the Lattice-Boltzmann method

Les matériaux composites à matrice organique renforcés de fibres de carbone (CFRP) sont largement utilisés dans les structures aéronautiques froides. Dans les applications de moteurs aéronautiques, comme les aubes de FAN, ces matériaux peuvent être soumis à des conditions environnementales particulièrement sévères, avec des températures pouvant atteindre 120°C et une vitesse d’écoulement proche de Mach 1.Il est bien établi que les polymères époxy sont sujets à des phénomènes de thermo-oxydation lorsqu’ils sont exposés à des températures élevées. Ce phénomène implique la diffusion et la réaction de l’oxygène au sein du polymère, entraînant des changements de couleur, une antiplasticisation du matériau, une fragilisation. Jusqu’à présent, les essais de vieillissement ont été principalement effectués dans des fours à air statique, fournissant une compréhension détaillée du phénomène dans ces conditions. Cependant, l’impact de l’écoulement d’air sur la thermo-oxydation reste à explorer. Cette étude vise ainsi à approfondir la compréhension du couplage entre l’écoulement d’air et la dégradation du matériau par thermo-oxydation. Des échantillons ont été vieillis dans un four sous air à pression atmosphérique et dans la soufflerie BATH, adaptée pour ces essais et capable de générer un écoulement d’air à plus de 150 ◦C et Mach 1, reproduisant ainsi les conditions d’usage les plus sévère rencontrées dans des moteurs d’avion. Cette comparaison entre essai en four et soufflerie a montré une accélération du vieillissement en soufflerie. Pour obtenir ce résultat, une technique expérimentale basée sur le changement de couleur induit par l’oxydation a été développée et utilisée. Cette technique a été validée avec des essais d’indentation. Avec cette meilleure compréhension de l’accélération du vieillissement, un modèle couplé entre l’écoulement, la chimie de l’oxydation et les changements de propriétés mécaniques a été mis en place afin de mieux comprendre les mécanismes à l’interface. Cette modélisation comprends trois étapes. Les champs de pression et de température à la surface de l’échantillon ont été calculés par simulation fluide moyennée (RANS). Puis, un modèle mécanistique a été utilisé décrivant les réactions chimiques lors de l’oxydation. Enfin, sur la base des mesures de couleur, un réseau de neurones informé par la physique (PINN) a été mis en place pour coupler les quantités chimiques aux propriétés mécaniques
Carbon fiber-reinforced polymer matrix composites (CFRP) are widely used in cold aeronautical structures. In aeronautical engine applications, such as fan blades, these materials can be subjected to particularly severe environmental conditions, with temperatures reaching up to 120 ◦C and airflow speeds close to Mach 1. It is well established that epoxy polymers are prone to thermo-oxidation phenomena when exposed to high temperatures.This phenomenon involves the diffusion and reaction of oxygen within the polymer, leading to color changes, antiplasticization of the material, and embrittlement. Until now, aging tests have been mainly conducted in static air ovens, providing a detailed understanding of the phenomenon under these conditions. However, the impact of airflow on thermo-oxidation remains to be explored.This study thus aims to deepen the understanding of the coupling between airflow and material degradation due to thermo-oxidation.Samples were aged in an oven under air at atmospheric pressure and in the BATH wind tunnel, adapted for these tests and capable of generating an airflow at over 150 ◦C and Mach 1, thereby reproducing the most severe usage conditions encountered in aircraft engines. This comparison between oven and wind tunnel tests showed an acceleration of aging in the wind tunnel. To achieve this result, an experimental technique based on the color change induced by oxidation was developed and used. This technique was validated with indentation tests. With this improved understanding of the accelerated aging, a coupled model between the airflow, oxidation chemistry, and changes in mechanical properties was established to better understand the interfacial mechanisms. This modeling comprises three steps. The pressure and temperature fields at the sample surface were calculated using Reynolds-Averaged Navier-Stokes (RANS) fluid simulations. Then, a mechanistic model was used to describe the chemical reactions during oxidation. Finally, based on thecolor measurements, a physics-informed neural network (PINN) was implemented to couple the chemical quantities to the mechanical properties

Ce memoire presente une etude theorique liee a la synthese d'antennes et de reseaux d'antennes imprimees. La synthese de reseaux d'antennes est basee sur une technique d'optimisation de systemes d'equations non lineaires avec un critere minmax. Des formulations adequates de la fonction d'erreur permettent la prise en compte des contraintes imposees sur les coefficients d'excitations, sur le couplage entre sources et sur les specifications du rayonnement. Deux types de solutions sont definies une dite reelle fournissant des resultats optimaux pour les reseaux directifs et l'autre en puissance se revelant meilleure pour la qualite de formation du lobe. L'optimisation du nombre d'elements est obtenue en couplant cet algorithme avec un algorithme genetique. De nombreux exemples de reseaux d'antennes a rayonnement specifie illustrent ce memoire. Une approche originale d'optimisation d'antennes est introduite dans ce memoire. Cette methode consiste a coupler un algorithme d'optimisation (l'algorithme genetique) avec un code d'analyse d'antennes base sur les differences finies. Afin de reduire le temps de calcul, des reseaux de neurones sont elabores par ce code d'analyse et introduits dans la boucle d'optimisation. Ces reseaux allient la rapidite et la precision des resultats. L'objectif est de determiner la nature du substrat dielectrique et diverses autres grandeurs physiques de l'aerien afin que les contraintes imposees sur les caracteristiques electriques de l'antenne soient satisfaites. Plusieurs reseaux de neurones et optimisations sont realises sur des antennes imprimees classiques et des antennes fil-plaque monopolaire.

Cette thèse de doctorat traite les aspects de la modélisation et de l'analyse de la parole, regroupés sous le chapeau commun de la qualité. Le premier aspect est représenté par le développement d'un modèle interne de contrôle de la production de la parole ; le deuxième, par le développement des outils pour son analyse. Un modèle interne optimal sous contraintes est proposé pour le contrôle d'un robot parlant, basé sur l'hypothèse du point d'équilibre (EPH, modèle-lambda). Ce modèle interne se repose sur le principe suivant : les mouvements du robot sont produits de telle façon que la longueur du chemin, parcouru dans l'espace interne des commandes motrices lambda, soit minimale, sous certaines contraintes liées à l'espace externe. L'aspect mathématique du problème conduit au problème géodésique généralisé, un problème relevant du calcul variationnel, dont la solution exacte analytique est assez complexe. En utilisant certains résultats empiriques, une solution approximative est enfin développée et implémentée. La solution du problème donne des résultats intéressants et prometteurs, et montre que le modèle interne proposé permet d'atteindre une certaine réalité de la production de la parole ; notamment, des similitudes entre la parole réelle et celle produite par le robot sont constatées. Puis, dans un but d'analyser et de caractériser le signal de parole, plusieurs méthodes d'analyse statistique sont développées. Elles sont basées sur les statistiques d'ordre supérieurs et sur l'entropie discrète normalisée. Dans ce cadre, nous avons également élaboré un estimateur non-biaisée et efficace du cumulant d'ordre quatre, en deux versions bloc et adaptative
This Ph.D. dissertation deals with speech modeling and processing, which both share the speech quality aspect. An optimum internal model with constraints is proposed and discussed for the control of a biomechanical speech robot based on the equilibrium point hypothesis (EPH, lambda-model). It is supposed that the robot internal space is composed of the motor commands lambda of the equilibrium point hypothesis. The main idea of the work is that the robot movements, and in particular the robot speech production, are carried out in such a way that, the length of the path, traveled in the internal space, is minimized under acoustical and mechanical constraints. Mathematical aspect of the problem leads to one of the problems of variational calculus, the so-called geodesic problem, whose exact analytical solution is quite complicated. By using some empirical findings, an approximate solution for the proposed optimum internal model is then developed and implemented. It gives interesting and challenging results, and shows that the proposed internal model is quite realistic; namely, some similarities are found between the robot speech and the real one. Next, by aiming to analyze speech signals, several methods of statistical speech signal processing are developed. They are based on higher-order statistics (namely, on normalized central moments and on the fourth-order cumulant), as well as on the discrete normalized entropy. In this framework, we also designed an unbiased and efficient estimator of the fourth-order cumulant in both batch and adaptive versions

L'utilisation de régulation prédictive permet de diminuer la consommation d'énergie des bâtiments résidentiels sans diminuer le confort de l'habitant. C'est dans ce but que la société BoostHeat développe une chaudière thermodynamique à grande efficacité énergétique. La production simultanée de l'eau chaude sanitaire (ECS) et du chauffage permet de nombreuses stratégies de régulation pour en optimiser les performances. L'utilisation de régulations prédictives permet d'anticiper les besoins énergétiques, de prendre en compte l'impact de l'inertie du bâtiment sur la température intérieure et ainsi de faire des choix de gestion de productions minimisant la consommation énergétique. Les modèles utilisés aujourd'hui dans les régulations prédictives sont contraignants. En effet, ces modèles nécessitent de grandes quantités de données, soit sur un échantillon représentatif de bâtiments, soit sur chaque bâtiment modélisé. Ils peuvent également avoir besoin d'études détaillées sur le bâtiment, les occupants et leurs habitudes de consommation. Afin de permettre à la société BoostHeat d'utiliser une régulation prédictive sur sa chaudière sans passer par une étape complexe de modélisation à chaque installation de chaudière, nous proposons des modèles adaptatifs utilisant les informations communément disponibles sur une installation classique. Nous choisissons de développer des réseaux de neurones artificiels pour la prédiction d'une part des consommations d'ECS et d'autre part de la température intérieure du bâtiment. Les réseaux de neurones artificiels sont déjà utilisés pour modéliser les consommations énergétiques d'un bâtiment spécifique, cependant nos modèles sont génériques et s'adaptent automatiquement au bâtiment dans lequel la chaudière est installée. Plusieurs modèles sont développés afin d'étudier l'impact du choix des entrées, des quantités de données d'apprentissage et de l'architecture du réseau de neurones artificiels sur la qualité de la prédiction. Les modèles de prédiction de consommation d'ECS ainsi réalisés sont testés sur trois cas expérimentaux alors que les modèles de prédiction de température intérieure sont testés sur deux cas expérimentaux et cent-vingt cas simulés. Cela permet de tester leur adaptation à l'ensemble du parc immobilier français. Nous montrons, pour la prédiction de consommation d'ECS comme pour la prédiction de température intérieure, que deux semaines de données collectées suffisent à une bonne adaptation des modèles à un cas spécifique. Le modèle le plus performant pour la prédiction de consommation d'eau chaude sanitaire a uniquement besoin des consommations des instants précédents. Le modèle de prédiction de température intérieure a de meilleures performances sur les bâtiments les moins isolés. Les résultats obtenus sont prometteurs pour l'application des régulations prédictives à grande échelle
The use of predictive control permits to reduce the energy consumption of residential buildings without reducing the comfort of the inhabitant. The company BoostHeat develops a thermodynamic furnace with high energy efficiency for this purpose. Simultaneous production of domestic hot water (DHW) and heating allows many control strategies to optimize performance. The use of predictive controls makes it possible to anticipate energy needs, to take into account the impact of building inertia on indoor temperature and thus to make production management choices that minimize energy consumption. The models used today in predictive controls are binding. Indeed, these models require large amounts of data, either on a representative sample of buildings or on each modeled building. They may also need detailed studies of the building, the occupants and their consumption practices. In order to allow BoostHeat to use predictive control without going through a complex modeling step at every furnace installation, we propose adaptive models using information commonly available on a typical installation. We choose to develop artificial neural networks for the prediction on the one hand of the consumptions of DHW and on the other hand of the ambiant temperature of the building. Artificial neural networks are already used to model the energy consumption of a specific building, however our models are generic and automatically adapt to the building in which the furnace is installed. Many models are developed to study the impact of the choice of inputs, amounts of learning data and artificial neural network architecture on the accuracy of prediction. The DHW consumption prediction models are tested on three experimental cases while the indoor temperature prediction models are tested on two experimental cases and one hundred and twenty simulated cases. This makes it possible to test their adaptation to the entire French housing stock. We show, for the prediction of DHW consumption as for the indoor temperature prediction, that two weeks of collected data are sufficient for a good adaptation of the models to a specific case. The most efficient model for the prediction of domestic hot water consumption only needs the consumptions of the previous instants. The indoor temperature prediction model performs better on less isolated buildings. The results obtained are promising for the application of predictive controls on a large scale

Récemment, les systèmes de localisation sans fil sont considérés comme une technologie en pleine expansion. Beaucoup de techniques ont été proposées pour les systèmes de localisation en intérieur et en extérieur. Ces techniques et ces systèms ont permis de concevoir différents services topo-dépendants. Un système de localisation doit ˆetre capable d’executer deux processus: la mesure des paramètres topo-dépendants (RSSI, TOA,. . . ) et l’estimation de la position en utilisant les techniques de localisation appropriées. Dans ce manuscrit, l’estimation et la mesure des paramètres topo-dépendants sont étudiées en utilisant une campagne de mesures ULB. Quatre différentes techniques d’estimation de TOA sont proposées. Des techniques de ranging basées sur RSSI sont présentées. L’objectif principal de cette thèse est l’étude de localisation en intérieur basée sur une technique de fingerprinting. La technique des réseaux de neurones est utilisée pour apprendre la base de données de fingerprinting et pour localiser les points ciblés. La construction des réseaux de neurones et les approches adoptées sont introduites. La base de données pré-mesurée et la base de données pré-simulée sont établies et appliquées aux techniques de fingerprinting. Différents fingerprints et différentes tailles de la base de données sont utilisés pour évaluer les performances de positionnement. Le modèle MultiWall est proposé pour prévoir les fingerprints de RSSI selon l’environnement de propagation. Une adaptation du modèle classique MultiWall pour prendre en compte l’effet de la diffraction pour le mobilier métallique a montré qu’elle peut améliorer la qualité de positionnement
Nowadays, wireless localization systems are considered as a potential technology for future services. Various techniques have been proposed for both indoor and outdoor localization systems. These techniques and systems allowed to conceive different LBSs. The two main processes a localization system must be able to do are the measurement of location-dependent parameters (RSSI, TOA,. . . ) and the estimation of position using different localization techniques. In this manuscript, the estimation and measurement of LDPs such as RSSI and TOA are investigated using a provided UWB measurements campaign. Four different TOA estimation techniques are proposed. RSSI based ranging techniques are also introduced. The main goal of this thesis is the study of fingerprinting based techniques for indoor localization. The neural networks technique is used to learn the fingerprinting database and to locate the targeted points. The construction of the neural networks and the adopted approaches are described. Both the pre-measured and the pre-simulated fingerprinting databases are established to be used in the fingerprinting techniques. Different fingerprints and different sizes of the database are utilized to evaluate the positioning performances. The MultiWall model is proposed to predict the RSSI fingerprint depending on the real propagation environment. An adaptation of the classic MultiWall model to take into account the effect of diffraction for the metallic furniture shows that it can improve the quality of positioning

Cette thèse examine le rôle central des technologies émergentes de mémoire non volatile (NVM), en mettant l'accent principalement sur la mémoire résistive à accès aléatoire (ReRAM), pour relever les défis liés à la latence de la mémoire associée au rétrécissement des composants logiques. L'exploration commence par élucider la physique fondamentale de la ReRAM et ses applications potentielles dans le calcul en mémoire et l'informatique neuromorphique.Le deuxième chapitre se penche sur les stratégies d'ingénierie des matériaux pour optimiser les performances de la ReRAM, couvrant des aspects tels que les matériaux d'électrode supérieure, les effets de dopage, et les avantages d'une pile oxyde à commutation résistive (RS) en bi-couche. Ces informations posent les bases pour des investigations ultérieures sur la fiabilité des dispositifs.Un cadre de simulation de Monte Carlo cinétique (KMC) est introduit dans le troisième chapitre, offrant un outil puissant pour sonder le comportement dynamique microscopique de la ReRAM. Ce cadre devient essentiel dans le quatrième chapitre, où la physique de la fiabilité de la ReRAM, en particulier les fluctuations de résistance, est explorée en profondeur. L'analyse révèle des mécanismes complexes régissant les fluctuations et leur impact sur des métriques telles que le standard Failing Bit Count (FBC).Dans le dernier chapitre, l'application des dispositifs ReRAM en tant que synapses dans les réseaux neuronaux artificiels (ANN) est revisitée. Des techniques de programmation et des stratégies pour atténuer l'impact des fluctuations, notamment dans la ReRAM à cellules multi-niveaux (MLC), sont discutées. La thèse se conclut en soulignant le rôle crucial de l'ingénierie des matériaux de la pile ReRAM dans la conception de synapses fiables pour les paradigmes informatiques futurs.Cette exploration approfondie contribue à faire progresser notre compréhension du potentiel de la ReRAM, offrant des éclairages sur l'optimisation des dispositifs, la fiabilité, et son application dans l'informatique neuromorphique. En regardant vers l'avenir, la recherche souligne l'importance de l'innovation continue dans l'ingénierie des matériaux ReRAM pour libérer toutes ses capacités et faciliter son intégration dans le paysage évolutif des technologies informatiques
This thesis investigates the pivotal role of emerging non-volatile memory (NVM) technologies, with a primary focus on Resistive Random-Access Memory (ReRAM), in addressing the challenges of memory latency associated with the shrinking of logic components. The exploration begins by elucidating the fundamental physics of ReRAM and its potential applications in in-memory and neuromorphic computing.The second chapter delves into material engineering strategies to optimize ReRAM performance, covering aspects such as top electrode materials, doping effects, and the benefits of a bi-layer resistive switching (RS) oxide stack. These insights provide a foundation for subsequent investigations into device reliability.A Kinetic Monte Carlo (KMC) simulation framework is introduced in the third chapter, offering a powerful tool for probing the microscopic dynamic behavior of ReRAM. This framework becomes instrumental in the fourth chapter, where the physics of ReRAM reliability, specifically resistance fluctuations, is explored in depth. The analysis reveals intricate mechanisms governing fluctuations and their impact on metrics like the standard Failing Bit Count (FBC).In the final chapter, the application of ReRAM devices as synapses in artificial neural networks (ANNs) is revisited. Programming techniques and strategies to mitigate the impact of fluctuations, particularly in multi-level cell (MLC) ReRAM, are discussed. The thesis concludes by emphasizing the crucial role of ReRAM material stack engineering in designing reliable synapses for future computing paradigms.This comprehensive exploration contributes to advancing our understanding of ReRAM's potential, offering insights into device optimization, reliability, and its application in neuromorphic computing. Looking forward, the research underscores the significance of continued innovation in ReRAM material engineering to unlock its full capabilities and facilitate its integration into the evolving landscape of computing technologies

De nombreux problèmes nécessitent l’évaluation de modèles paramétrés complexes pour de nombreuses valeurs des paramètres, en particulier pour la quantification d’incertitudes. Quand le modèle est coûteux à évaluer, il est souvent approximé par un autre modèle, moins coûteux à évaluer. L’objectif de cette thèse est de développer des méthodes d’apprentissage statistique utilisant des classes de fonctions au format de tenseurs basés sur des arbres pour l’approximation de fonctions en haute dimension, pour l’apprentissage supervisé et non supervisé. Ces classes de fonctions, qui sont structurés par rangs et paramétrées par un réseau de tenseurs de faible ordre à structure d’arbre, peuvent être interprétées comme des réseaux de neurones profonds avec une architecture et des fonctions d’activation particulières. L’approximation est obtenue par minimisation du risque empirique sur l’ensemble des fonctions au format de tenseurs basés sur des arbres. Pour l’approximation de fonctions en haute dimension, ou quand peu d’information sur la fonction est disponible, la classe de fonctions doit être soigneusement choisie. Nous proposons des algorithmes d’apprentissage stables qui adaptent l’arbre et les rangs et sélectionnent le modèle en s’appuyant sur des estimateurs de validation croisée. De plus, certaines fonctions peuvent n’exhiber une structure de faible rang qu’après un changement de variables adapté. Dans de tels cas, nous proposons des algorithmes d’apprentissage adaptatifs avec des classes de fonctions combinant formats de tenseurs basés sur des arbres et changements de variables. Les algorithmes proposés sont appliqués à la quantification d’incertitudes en vibroacoustique. Cette thèse est incluse dans le Joint Laboratory of Marine Technology entre Naval Group, Centrale Nantes et l’Université de Nantes, et dans le projet Eval-PI
Many problems require the evaluation of complex parametrized models for many instances of the parameters, particularly for uncertainty quantification. When the model is costly to evaluate, it is usually approximated by another model cheaper to evaluate. The aim of this thesis is to develop statistical learning methods using model classes of functions in treebased tensor formats for the approximation of highdimensional functions, both for supervised and unsupervised learning tasks. These model classes, which are rank-structured functions parametrized by a tree-structured network of low-order tensors, can be interpreted as deep neural networks with particular architecture and activation functions. The approximation is obtained by empirical risk minimization over the set of functions in tree-based tensor format. For a high-dimensional function, or when little information on the function is available, the model class has to be carefully selected. We propose stable learning algorithms that adapt the tree and ranks and select the model based on crossvalidation estimates. Furthermore, some functions might only exhibit a low-rank structure after a suitable change of variables. For such cases, we propose adaptive learning algorithms with model classes combining tree-based tensor formats and changes of variables. The proposed algorithms are applied to uncertainty quantification in vibroacoustics. This thesis is included in the Joint Laboratory of Marine Technology between Naval Group, Centrale Nantes and Université de Nantes, and in the Eval-PI project

Récemment, la localisation statique et dynamique d'un objet ou d'une personne est devenue l'un des plus importantes fonctionnalités d'un système de communication, du fait de ses multiples applications. En effet, connaître la position d'un terminal mobile (MT), en milieu extérieur ou intérieur, est généralement d'une importance majeure pour des applications fournissant des services basés sur la localisation. Ce développement des systèmes de localisation est dû au faible coût des infrastructures de réseau sans fil en milieu intérieur (WLAN). Les techniques permettant de localiser des MTs diffèrent selon les paramètres extraits des signaux radiofréquences émis entre des stations de base (BSs) et des MTs. Les conditions idéales pour effectuer des mesures sont des environnements dépourvus de tout obstacle, permettant des émissions directes entre BS et MT. Ce n'est pas le cas en milieu intérieur, du fait de la présence continuelle d'obstacles dans l'espace, qui dispersent les rayonnements. Les mesures prises dans ces conditions (NLOS, pour Non Line of Sight) sont imprévisibles et diffèrent de celles prises en condition LOS. Afin de réduire les erreurs de mesure, différentes techniques peuvent être utilisées, comme la mitigation, l'approximation, la correction à priori, ou le filtrage. En effet, l'application de systèmes de suivi (TSs) constitue une base substantielle pour la navigation individuelle, les réseaux sociaux, la gestion du trafic, la gestion des ressources mobiles, etc. Différentes techniques sont appliquées pour construire des TSs en milieu intérieur, où le signal est bruité, faible voire inexistant. Bien que les systèmes de localisation globaux (GPS) et les travaux qui en découlent fonctionnent bien hors des bâtiments et dans des canyons urbains, le suivi d'utilisateurs en milieu intérieur est bien plus problématique. De ce fait, le problème de prédiction reste un obstacle essentiel à la construction de TSs fiable dans de tels environnements. Une étape de prédiction est inévitable, en particulier, dans le cas où l'on manque d'informations. De multiples approches ont été proposées dans la littérature, la plupart étant basées sur un filtre linéaire (LF), un filtre de Kalman (KF) et ses variantes, ou sur un filtre particulaire (PF). Les filtres de prédiction sont souvent utilisés dans des problèmes d'estimation et l'application de la dérivation non entière peut limiter l'impact de la perte de performances. Ce travail présente une nouvelle approche pour la localisation intérieure par WLAN utilisant un groupement des coordonnées. Ensuite, une étude comparative des techniques déterministes et des techniques d'apprentissage pour la localisation intérieure est présentée. Enfin, une nouvelle approche souple pour les systèmes de suivi en milieu intérieur, par application de la dérivation non entière, est présentée

Les problèmes de quantification d'incertitudes des modèles numériques nécessitent de nombreuses simulations, souvent très coûteuses (en temps de calcul et/ou en mémoire). C'est pourquoi il est essentiel de construire des modèles approchés qui sont moins coûteux à évaluer. En pratique, si la réponse d'un modèle numérique est représentée par une fonction, on cherche à en construire une approximation.L'objectif de cette thèse est de construire l'approximation d'une fonction qui soit contrôlée tout en utilisant le moins d'évaluations possible de la fonction.Dans un premier temps, nous proposons une nouvelle méthode basée sur les moindres carrés pondérés pour construire l'approximation d'une fonction dans un espace vectoriel. Nous prouvons que la projection vérifie une propriété de stabilité numérique presque sûrement et une propriété de quasi-optimalité en espérance. En pratique on observe que la taille de l'échantillon est plus proche de la dimension de l'espace d'approximation que pour les autres techniques de moindres carrés pondérées existantes.Pour l'approximation en grande dimension et afin d’exploiter de potentielles structures de faible dimension, nous considérons dans cette thèse des approximations dans des formats de tenseurs basés sur des arbres. Ces formats admettent une paramétrisation multilinéaire avec des paramètres formant un réseau de tenseurs de faible ordre et sont ainsi également appelés réseaux de tenseurs basés sur des arbres. Dans cette thèse, nous proposons un algorithme pour construire l'approximation de fonctions dans des formats de tenseurs basés sur des arbres. Il consiste à construire une hiérarchie de sous-espaces imbriqués associés aux différents niveaux de l'arbre. La construction de ces espaces s'appuie sur l'analyse en composantes principales étendue aux fonctions multivariées et sur l'utilisation de la nouvelle méthode des moindres carrés pondérés. Afin de réduire le nombre d'évaluations nécessaires pour construire l'approximation avec une certaine précision, nous proposons des stratégies adaptatives pour le contrôle de l'erreur de discrétisation, la sélection de l'arbre, le contrôle des rangs et l'estimation des composantes principales
Uncertainty quantification problems for numerical models require a lot of simulations, often very computationally costly (in time and/or memory). This is why it is essential to build surrogate models that are cheaper to evaluate. In practice, the output of a numerical model is represented by a function, then the objective is to construct an approximation.The aim of this thesis is to construct a controlled approximation of a function while using as few evaluations as possible.In a first time, we propose a new method based on weighted least-squares to construct the approximation of a function onto a linear approximation space. We prove that the projection verifies a numerical stability property almost surely and a quasi-optimality property in expectation. In practice we observe that the sample size is closer to the dimension of the approximation space than with existing weighted least-squares methods.For high-dimensional approximation, and in order to exploit potential low-rank structures of functions, we consider the model class of functions in tree-based tensor formats. These formats admit a multilinear parametrization with parameters forming a tree network of low-order tensors and are therefore also called tree tensor networks. In this thesis we propose an algorithm for approximating functions in tree-based tensor formats. It consists in constructing a hierarchy of nested subspaces associated to the different levels of the tree. The construction of these subspaces relies on principal component analysis extended to multivariate functions and the new weighted least-squares method. To reduce the number of evaluations necessary to build the approximation with a certain precision, we propose adaptive strategies for the control of the discretization error, the tree selection, the control of the ranks and the estimation of the principal components

Ce chapitre décrit les solutions actuelles en matière de modélisation spatio-temporelle. Il passe en revue les caractéristiques artisanales et les approches reposant sur l'apprentissage profond. Il décrit également les architectures développées pour étendre la connectivité des détecteurs de points de repère basés sur les réseaux neuronaux convolutionnels afin d'inclure le mouvement local par le biais d'une connectivité précoce. Il analyse les performances de chaque modèle en termes de vitesse, de taille et de nombre de paramètres. La complémentarité entre le mouvement local et le mouvement global a également fait l'objet d’expérimentations. Le protocole expérimental, les détails d'implémentation et les résultats sont présentés avec leur analyse. Des expérimentations sur deux ensembles de données, 300VW et SNaP-2DFe sont fournies afin d'évaluer les résultats obtenus et de les comparer avec les approches de l'état de l'art.