Dissertations / Theses on the topic 'Accélérateur de réseau de neurones'
To see the other types of publications on this topic, follow the link: Accélérateur de réseau de neurones.
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 50 dissertations / theses for your research on the topic 'Accélérateur de réseau de neurones.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse dissertations / theses on a wide variety of disciplines and organise your bibliography correctly.
1
Li, Zhuoer. "Étude de l'accélération matérielle reconfigurable pour les réseaux de neurones embarqués faible consommation." Electronic Thesis or Diss., Université Côte d'Azur, 2024. http://www.theses.fr/2024COAZ4025.
Full textAbstract:
L'évolution des applications de l'intelligence artificielle (IA) mène à une augmentation de la demande pour le déploiement de réseaux de neurones sur des dispositifs autonomes en raison de l'expansion de l'IA dans des secteurs variés, tels que la santé et l'automobile. Cette décentralisation des calculs (Edge AI) présente des défis, notamment en termes de performances et de consommation d'énergie. Avec la complexité croissante des modèles de réseaux neuronaux pour accomplir des tâches de plus en plus sophistiquées, optimiser l'efficacité énergétique tout en maintenant les fonctionnalités avancées des réseaux de neurones profonds devient essentiel, surtout pour les systèmes mobiles et embarqués où la source d'énergie est limitée. Malgré le besoin pressant, les efforts ciblant la réduction de consommation des réseaux de neurones restent insuffisants. Les méthodes traditionnelles n'ont pas entièrement abordé les contraintes de puissance et de performance des environnements de calcul embarqués.Cette thèse apporte une contribution unique en proposant des méthodologies pour le déploiement de réseaux de neurones à très faible consommation et haute efficacité énergétique sur des composants programmables FPGA, reconnus pour leur rapport performance-puissance avantageux et leur adaptabilité en tant qu'accélérateurs matériels. Ce travail met en œuvre diverses topologies de CNN sur des plateformes FPGA à travers des méthodes de synthèse de haut niveau (HLS) et une quantification. Cet travail se penche ensuite sur une comparaison détaillée des performances et de la consommation des réseaux de neurones artificiels (ANN) et de réseaux de neurones à impulsions (SNN) correspondants implémentés sur des plateformes FPGA. Cette comparaison révèle une inefficacité inattendue des implémentations de SNNs sur FPGA par rapport à leurs équivalents ANN.Sur la base de ces résultats, cette thèse continue d'explorer des méthodes d'optimisation énergétique pour l'inférence de réseaux de neurones profonds sur FPGA en examinant le potentiel de la Reconfiguration Partielle (PR). Ce travail s'appuie sur une méthodologie spécifique à la reconfiguration partielle basée sur une coopération d'approches et d'outils de synthèse, et évalue l'efficacité énergétique des solutions PR et statiques sur plusieurs benchmarks CNN de complexités différentes. Les résultats indiquent qu'en utilisant des mécanismes de reconfiguration optimisés, le gain en efficacité énergétique est d'environ un facteur de deux lors de l'application de la reconfiguration partielle au niveau couche des CNNs, et présente une tendance à la hausse à mesure que la taille du réseau augmente. Ce résultat constitue l'une des toutes premières contributions dans l'étude de l’utilisation de la reconfiguration partielle pour l'accélération matérielle d’algorithmes d'IA. La recherche dans ce domaine est encore à un stade précoce, mais elle montre déjà des résultats très prometteurs pour minimiser les ressources, en particulier au niveau mémoire locale.Par ailleurs, cette thèse contribue à une bibliothèque ouverte d'accélérateurs de réseaux de neurones avec un CNN 8 couches pour la reconnaissance de panneaux de signalisation (GTSRB), et un Residual Network ResNet-18 (72 couches dont 18 profondes) qui seront disponibles en ligne ultérieurementThe Artificial Intelligence (AI) application landscape is undergoing a significant transformation as AI continues to permeate various fields, from healthcare to the automotive industry, leading to a surge in the demand for deploying neural networks directly on edge devices. This shift towards edge computing presents a set of challenges and requirements, particularly in terms of latency and energy efficiency. However, as deep learning evolves to address increasingly complex tasks, the complexity and depth of neural network models have also grown. Given that edge devices often operate in environments where energy consumption is limited, it becomes crucial to maximize energy efficiency while ensuring the complex functionalities of deep neural networks. Despite the evident demand, there remains a relative lack of efforts for strategies specifically aimed at reducing the energy cost of neural networks.This thesis aims to address these questions by investigating and evaluating methodologies for low-power neural network implementations on Field-Programmable Gate Arrays (FPGAs), known for their advantageous performance-to-power ratio and adaptability. This work implements various CNN topologies on FPGA platforms using High-Level Synthesis (HLS) methods in cooperation with other existing design and exploration approaches. This thesis then delves into a detailed comparison of the performance and energy efficiency of Artificial Neural Networks (ANNs) and their corresponding Spiking Neural Networks (SNNs) implemented on FPGA platforms. This comparison reveals an unexpected inefficiency in the FPGA implementations of SNNs compared to their equivalent ANNs.Building on these conclusions, this work then continues to explore power optimization methods for deep neural network inference on FPGAs, examining the potential of Partial Reconfiguration (PR) in this regard. The study investigates the use of a full PR methodology based on a cooperation of relevant system-level methodologies and synthesis tools to evaluate the energy efficiency of PR solutions and static solutions on several CNN benchmarks of different complexities. The results indicate that under the main condition of using an optimal reconfiguration control scheme, energy gains can reach a factor of two when PR is applied at the CNN layer level, and savings increase as the network size grows.This result stands as one of the pioneering demonstrations of the great potential of PR for Deep Learning applications on FPGAs. Research in this domain is still at an early stage, yet it already exhibits large promise for minimizing the size of programmable logic, particularly in terms of memory requirements.Additionally, this thesis contributes to an open neural network acceleration library with a compact 8-layer CNN for traffic sign recognition and a ResNet-18, with the relevant FPGA IPs to be made available online later
2
Rachdi, Adel. "Développement d'un réseau de neurones biologique." Thesis, National Library of Canada = Bibliothèque nationale du Canada, 2001. http://www.collectionscanada.ca/obj/s4/f2/dsk3/ftp04/MQ65389.pdf.
Full text
3
Jouffroy, Guillaume. "Contrôle oscillatoire par réseau de neurones récurrents." Paris 8, 2008. http://www.theses.fr/2008PA082918.
Full textAbstract:
Dans le domaine du contrôle, la plupart des applications nécessitent une commande continue non-périodique. Ce travail se focalise au contraire sur les contrôleurs à base de réseaux de neurones récurrents (RNR) générant une commande oscillatoire entretenue. L'objectif de ce travail est d'étudier les méthodes d'optimisation stochastiques continues permettant de déterminer les paramètres d'un réseau pour qu'il produise un comportement oscillatoire périodique. Nous dressons tout d'abord un bilan des connaissances sur les oscillateurs biologiques. Nous décrirons ensuite des outils mathématiques qui permettent de garantir la stabilité des oscillateurs. Le potentiel des RNR, particulièrement appliqués aux systèmes dynamiques, n'étant encore que très peu exploité, nous proposerons pour chaque méthode, une formalisation générale matricielle détaillée et préciserons la complexité des algorithmes. Nous validerons chacune de ces méthodes à l'aide d'un simple oscillateur, en démontrant analytiquement la stabilité du système résultant, et en montrant dans quelle mesure il est robuste face aux perturbations de ses paramètres. Nous comparerons les différentes méthodes sur ces critères ainsi que sur la vitesse de convergence. Nous terminerons cette thèse par une illustration, dans laquelle nous réaliserons toutes les étapes de la construction d'un contrôleurs oscillatoire neuronal, pour commander l'axe de direction d'un véhicule original. Ceci nous permettra de discuter de la viabilité des réseaux de neurones récurrents dans le domaine de contrôle oscillatoire, et de soulever des questions intéressantesIn the control field, most of the applications need a non-oscillatory continuous control. This work focuses instead on controllers with recurrent neural networks (RNN) which generate a periodic oscillatory control. The purpose of the present work is to study stochastic optimisation methods which can be used to discover the parameters of a network so that it generates a cyclic input. First we take a look at the knowledge about biological oscillators. Tthen we describe the mathematical tools to be able to guarantee the stability oscillators. The potential of RNN, especially applied to dynamical systems being still poorly used, we propose for each method, a general detailed matrix formalization and we precise the computational complexity of the methods. We validate each method using a simple example of oscillator, and we demonstrate analytically the stability of the resulting oscillator, but also how it is robust to parameters perturbations. We then compare these different methods with these criteria and the speed of convergence. We finish this thesis with an illustration, where we take all the steps of the construction of an oscillatory neural controller, to control the axis of direction of a particular vehicle. This will let us discuss how realistic is the use of recurrent neural networks in the field of control, and propose interesting questions
4
Becker, Freddy. "Définition d'un réseau de référence métrologique pour le positionnement d'un grand accélérateur linéaire." Phd thesis, INSA de Strasbourg, 2003. http://tel.archives-ouvertes.fr/tel-00281959.
Full textAbstract:
Ce travail de doctorat est consacré à l'étude du système d'alignement du CLIC, projet d'accélérateur linéaire de particules de plus de 30km de long mené par l'Organisation Européenne pour la Recherche Nucléaire. L'aspect le plus remarquable de ce projet réside dans la précision très contraignante de ±10 microns sur 200m qu'il faut atteindre sur l'alignement relatif des éléments de l'accélérateur.Cette thèse se situe dans le prolongement de travaux entrepris depuis 10 ans. Ceux-ci avaient notamment permis de sélectionner un certain nombre de capteurs métrologiques susceptibles de répondre aux besoins du CLIC. Or la plupart de ces capteurs effectuent leurs mesures par rapport à des références géométriques sensibles à la gravité. Le niveau élevé de précision requis nous a donc conduit à consacrer une partie importante de ce travail à l'effet des perturbations de la gravité sur l'utilisation de ces capteurs. Cela a permis de mettre en évidence les effets qui devront être pris en compte et de dégager les interrogations qui subsistent encore sur l'utilisation des niveaux hydrostatiques.
Cette recherche avait également pour but d'établir une proposition de configuration du système d'alignement, basée sur l'utilisation des capteurs sélectionnés. Il s'agissait donc d'effectuer des simulations des précisions obtenues avec les différentes configurations possibles. L'outil de calcul disponible étant inadapté, un effort majeur a été consacré au développement d'un nouveau logiciel. Les méthodologies orientées-objet se sont avérées être très bénéfiques dans ce contexte et ont permis la mise au point d'un outil évolutif adapté à des projets de recherche. Les simulations effectuées ont permis de définir une configuration optimale du réseau.
Enfin, en raison des problèmes peut-être insolubles que pose l'utilisation des capteurs hydrostatiques, nous avons mené une réflexion qui nous a permis d'ébaucher assez précisément une solution alternative basée sur l'utilisation d'un long faisceau laser.
5
Yonaba, Harouna. "Modélisation hydrologique hybride : réseau de neurones - modèle conceptuel." Thesis, Université Laval, 2009. http://www.theses.ulaval.ca/2009/26583/26583.pdf.
Full text
6
Carpentier, Mathieu. "Classification fine par réseau de neurones à convolution." Master's thesis, Université Laval, 2019. http://hdl.handle.net/20.500.11794/35835.
Full textAbstract:
L’intelligence artificielle est un domaine de recherche relativement récent. Grâce à lui, plusieurs percées ont été faites sur une série de problèmes qui étaient autrefois considérés comme très difficiles. La classification fine est l’un de ces problèmes. Cependant, même si résoudre cette tâche pourrait représenter des avancées tant au niveau scientifique qu’au niveau industriel, peu de recherche y a été effectué. Dans ce mémoire, nous abordons la problématique de l’application de la classification fine sur des problèmes concrets, soit la classification d’essence d’arbres uniquement grâce à des images de l’écorce et la classification visuelle des moisissures en culture. Nous commençons par présenter plusieurs concepts sur lesquels se basent l’apprentissage profond, à la base de notre solution ainsi que plusieurs expériences qui ont été menées afin de tenter de résoudre le problème de classification d’essence d’arbres à partir d’images de l’écorce. Par la suite, nous détaillons le jeu de données nommé BarkNet 1. 0 que nous avons construit dans le cadre de ce projet. Grâce à celui-ci, nous avons été en mesure de développer une méthode permettant d’obtenir une précision de 93,88% en utilisant une seule crop aléatoire dans une image et une précision de 97,81% en utilisant un vote de majorité sur toutes les images d’un arbre. Finalement, nous concluons en démontrant la faisabilité d’appliquer notre méthode dans d’autres contextes en montrant quelques applications concrètes sur lesquelles nous l’avons essayée, soit la classification d’essence d’arbres en industrie et la classification de moisissures.Artificial intelligence is a relatively recent research domain. With it, many breakthroughs were made on a number of problems that were considered very hard. Fine-grained classification is one of those problems. However, a relatively small amount of research has been done on this task even though itcould represent progress on a scientific, commercial and industrial level. In this work, we talk about applying fine-grained classification on concrete problems such as tree bark classification and mould classification in culture. We start by presenting fundamental deep learning concepts at the root of our solution. Then, we present multiple experiments made in order to try to solve the tree bark classification problem and we detail the novel dataset BarkNet 1.0 that we made for this project. With it, we were able to develop a method that obtains an accuracy of 93.88% on singlecrop in a single image, and an accuracy of 97.81% using a majority voting approach on all the images of a tree. We conclude by demonstrating the feasibility of applying our method on new problems by showing two concrete applications on which we tried our approach, industrial tree classification and mould classification.
7
Charpentier, Éric. "Repérage d'un faisceau à l'aide d'un réseau d'antennes, guidé par un réseau de neurones." Thesis, National Library of Canada = Bibliothèque nationale du Canada, 1998. http://www.collectionscanada.ca/obj/s4/f2/dsk2/tape17/PQDD_0001/MQ37437.pdf.
Full text
8
Cayouette, Philippe. "Aérocapture martienne par réseau de neurones entraîné par algorithme génétique." Mémoire, Université de Sherbrooke, 2006. http://savoirs.usherbrooke.ca/handle/11143/1372.
Full textAbstract:
Les techniques usuelles pour ralentir un véhicule spatial en approche d'un corps céleste en vitesse hyperbolique utilisent des propulseurs et, par conséquent, une masse importante de carburant. Une technique alternative utilisant seulement une fraction du carburant par rapport aux techniques classiques est l'aérocapture. Cette technique consiste à passer dans les basses couches de l'atmosphère du corps céleste pour perdre l'énergie cinétique qui serait habituellement perdue grâce aux propulseurs.Les algorithmes de guidages d'un véhicule spatial lors de l'aérocapture sont tous basés sur des concepts déductifs mathématiques. Ce projet de recherche propose un changement de paradigme, soit l'utilisation de l'intelligence artificielle pour parvenir à des résultats supérieurs aux techniques actuelles. Un réseau de neurones peut, grâce à un simulateur d'aérocapture, apprendre à donner la bonne commande à tout moment de l'aérocapture s'il est soumis à un entraînement adéquat. Le défi réside justement dans l'entraînement. Ce projet de recherche utilise une technique novatrice d'entraînement par algorithme génétique pour réseaux de neurones dans une boucle navigation-guidage-contrôle. Par analogie avec la nature, une population de réseaux de neurones se fait compétition dans un environnement de simulation d'aérocapture et l'évolution de cette population fonctionne selon les principes du darwinisme, c'est-à-dire le succès des individus mieux adaptés. Ce mémoire présente d'abord la conception de la solution proposée au problème de l'aérocapture et ensuite les résultats de simulations comparatives aux algorithmes actuels. Finalement, l'analyse de ces résultats démontre que l'algorithme de guidage par réseau de neurones représente une alternative intéressante pour une éventuelle mission utilisant l'aérocapture.
9
Trinh, Franck Ky. "Simulation d'un réseau de neurones à l'aide de transistors SET." Mémoire, Université de Sherbrooke, 2010. http://hdl.handle.net/11143/5493.
Full textAbstract:
Ce mémoire est le résultat d'une recherche purement exploratoire concernant la définition d'une application de réseaux de neurones à base de transistors monoélectroniques (Single-Electron Transistor, SET). Il dresse un portait de l'état de l'art actuel, et met de l'avant la possibilité d'associer les SET avec la technologie actuelle (Field Electron Transistor, FET). La raison de cette association est que les SET peuvent être perçus comme un moyen de changement de paradigme, c'est-à-dire remplacer une fonction CMOS occupant une grande place par un dispositif alternatif présentant de meilleures performances ou équivalentes. Par l'intermédiaire de leurs caractéristiques électriques peu ordinaires au synonyme de"l'effet de blocage de Coulomb", les SET ont le potentiel d'être exploités intelligemment afin de tirer profit sur la consommation énergétique essentiellement. Cette problématique est présentée comme une des propositions alternatives"Beyond CMOS" aux termes de la diminution géométrique des transistors FET à la lumière de l'ITRS. Cette recherche propose d'exposer des circuits électroniques de technologie MOS complétés à l'aide de SET (circuits hybrides) et de montrer que l'on est capable de les remplacer ou les compléter (partiellement) dans des architectures à réseau de neurones. Pour cela, des simulations sous logiciel Cadence Environnement permettront de valider le comportement des circuits sur plusieurs critères tels que la vitesse de réponse et la consommation énergétique, par exemple. En résultat, seront proposées deux architectures à réseaux de neurones de fonctions différentes : une architecture Winner-Take-All et un générateur de spikes en tension. La première étant inspirée d'une publication provenant de GUIMARAES et al., veut démontrer qu'à partir d'une architecture SET existante, il est envisageable de se l'approprier et de l'appliquer aux paramètres des SET du CRN[indice supérieur 2] augmentant donc nos chances de pouvoir les concevoir dans notre groupe de recherche. Le second axe est la simulation d'un circuit capable de générer des signaux à spikes sans perte d'information, ce qui requerrait un nombre considérable de transistors FET sans l'utilisation de SET, mettant donc en valeur la réduction de composants.
10
Liu, Xiaoqing. "Analyse d'images couleur en composantes indépendantes par réseau de neurones." Grenoble INPG, 1991. http://www.theses.fr/1991INPG0120.
Full textAbstract:
Cette these presente une nouvelle methode de transformation des valeurs de tristimuli d'une image couleur par un algorithme neuromimetique. Le reseau de neurones est completement interconnecte et il est utilise pour l'analyse en composantes independantes (aci) des signaux multidimensionnels: en exploitant une regle d'apprentissage adequate, dite des moments d'ordre eleve, il est capable de discriminer des sources independantes a partir des melanges de celles-ci. Les images couleur sont soumises a la transformation par le reseau aci et les algorithmes classiques de traitement d'images monochromatiques peuvent s'appliquer directement et independamment sur chaque composante aci, car ces nouvelles composantes sont statistiquement independantes. La discrimination d'objets au niveau de chaque composante chromatique devient plus facile sur l'image transformee que sur l'image originale. Cette methode est comparee avec des methodes classiques: l'analyse en composantes principales et le systeme tls (teinte, luminance et saturation)
11
Caron, Louis-Charles. "Implémentation matérielle d'un réseau de neurones à décharges pour synchronisation rapide." Mémoire, Université de Sherbrooke, 2011. http://savoirs.usherbrooke.ca/handle/11143/1603.
Full textAbstract:
In this master thesis, we present two different hardware implementations of the Oscillatory Dynamic Link Matcher (ODLM). The ODLM is an algorithm which uses the synchronization in a network of spiking neurons to realize different signal processing tasks. The main objective of this work is to identify the key design choices leading to the efficient implementation of an embedded version of the ODLM. The resulting systems have been tested with image segmentation and image matching tasks. The first system is bit-slice and time-driven. The state of the whole network is updated at regular time intervals. The system uses a bit-slice architecture with a large number of processing elements. Each processing element, or slice, implements one neuron of the network and takes the form of a column on the hardware. The columns are placed side by side and they are locally connected to their 2 neighbors. This local hardware connection scheme makes the system scalable, which means that columns can be easily added to increase the capacity of the system. Each column consists of a weight vector, a synapse model unit and a membrane model unit. The system can implement any network topology, making it very flexible. The function governing the time evolution of the neurons' membrane potential is approximated by a piece-wise linear function to reduce the amount of logical resources required. With this system, a fully-connected network of 648 neurons can be implemented on a Virtex-5 Xilinx XC5VSX5OT FPGA clocked at 100 MHz. The system is designed to process simultaneous spikes in parallel, reaching a maximum processing speed of 6 Mspikes/s. It can segment a 23×23 pixel image in 2 seconds and match two pre-segmented 90×30 pixel images in 550 ms. The second system is event-driven. A single processing element sequentially processes the spikes. This processing element is a 5-stage pipeline which can process an average of 1 synapse per 7 clock cycles. The synaptic weights are not stored in memory in this system, they are computed on-the-fly as spikes are processed. The topology of the network is also resolved during operation, and the system supports various regular topologies like 8-neighbor and fully-connected. The membrane potential time evolution function is computed with high precision using a look-up table. On the Virtex-5 FPGA, a network of 65 536 neurons can be implemented and a 406×158 pixel image can be segmented in 200 ms. The FPGA can be clocked at 100 MHz. Most of the design choices made for the second system are well adapted to the hardware implementation of the ODLM. In the original ODLM, the weight values do not change over time and usually depend on a single variable. It is therefore beneficial to compute the weights on the fly rather than saving them in a huge memory bank. The event-driven approach is a very efficient strategy. It reduces the amount of computations required to run the network and the amount of data moved in and out of memory. Finally, the precise computation of the neurons' membrane potential increases the convergence speed of the network.
12
Lecerf, Gwendal. "Développement d'un réseau de neurones impulsionnels sur silicium à synapses memristives." Thesis, Bordeaux, 2014. http://www.theses.fr/2014BORD0219/document.
Full textAbstract:
Durant ces trois années de doctorat, financées par le projet ANR MHANN (MemristiveHardware Analog Neural Network), nous nous sommes intéressés au développement d’une nouvelle architecture de calculateur à l’aide de réseaux de neurones. Les réseaux de neurones artificiels sont particulièrement bien adaptés à la reconnaissance d’images et peuvent être utilisés en complément des processeurs séquentiels. En 2008, une nouvelle technologie de composant a vu le jour : le memristor. Classé comme étant le quatrième élément passif, il est possible de modifier sa résistance en fonction de la densité de courant qui le traverse et de garder en mémoire ces changements. Grâce à leurs propriétés, les composants memristifs sont des candidats idéaux pour jouer le rôle des synapses au sein des réseaux de neurones artificiels. En effectuant des mesures sur la technologie des memristors ferroélectriques de l’UMjCNRS/Thalès de l’équipe de Julie Grollier, nous avons pu démontrer qu’il était possible d’obtenir un apprentissage de type STDP (Spike Timing Dependant Plasticity) classiquement utilisé avec les réseaux de neurones impulsionnels. Cette forme d’apprentissage, inspirée de la biologie, impose une variation des poids synaptiques en fonction des évènements neuronaux. En s’appuyant sur les mesures réalisées sur ces memristors et sur des simulations provenant d’un programme élaboré avec nos partenaires de l’INRIA Saclay, nous avons conçu successivement deux puces en silicium pour deux technologies de memristors ferroélectriques. La première technologie (BTO), moins performante, a été mise de côté au profit d’une seconde technologie (BFO). La seconde puce a été élaborée avec les retours d’expérience de la première puce. Elle contient deux couches d’un réseau de neurones impulsionnels dédié à l’apprentissage d’images de 81 pixels. En la connectant à un boitier contenant un crossbar de memristors, nous pourrons réaliser un démonstrateur d’un réseau de neurones hybride réalisé avec des synapses memristives ferroélectriquesSupported financially by ANR MHANN project, this work proposes an architecture ofspiking neural network in order to recognize pictures, where traditional processing units are inefficient regarding this. In 2008, a new passive electrical component had been discovered : the memristor. Its resistance can be adjusted by applying a potential between its terminals. Behaving intrinsically as artificial synapses, memristives devices can be used inside artificial neural networks.We measure the variation in resistance of a ferroelectric memristor (obtained from UMjCNRS/Thalès) similar to the biological law STDP (Spike Timing Dependant Plasticity) used with spiking neurons. With our measurements on the memristor and our network simulation (aided by INRIASaclay) we designed successively two versions of the IC. The second IC design is driven by specifications of the first IC with additional functionalists. The second IC contains two layers of a spiking neural network dedicated to learn a picture of 81 pixels. A demonstrator of hybrid neural networks will be achieved by integrating a chip of memristive crossbar interfaced with thesecond IC
13
Goulet-Fortin, Jérôme. "Modélisation des rendements de la pomme de terre par réseau de neurones." Thesis, Université Laval, 2009. http://www.theses.ulaval.ca/2009/26556/26556.pdf.
Full text
14
Goncalves, Pedro. "Un Modèle du réseau neuronal de l'intégrateur oculomoteur : théorie pour la dissection." Paris 6, 2012. http://www.theses.fr/2012PA066200.
Full textAbstract:
L'intégrateur oculomoteur dans le rhombencéphale transforme les signaux de mouvements oculaires horizontaux en signaux de position pour maintenir les yeux fixes après les saccades. Plusieurs études électrophysiologiques et pharmacologiques ont montré que les activités des neurones dans l’intégrateur oculomoteur peuvent persister dans un continu de niveaux, chaque niveau correspondant à une position oculaire. Ces résultats ont conduit à l'hypothèse selon laquelle l'intégrateur oculomoteur a un continu d’états stationnaires et stables, donnant lieu à un réseau à attracteur linéaire. À leur tour, les états du système en dehors de ce régime d’activités stables sont attirés vers celui-ci. Dans cette thèse, nous commençons par développer plusieurs modèles qui tiennent compte des résultats précédents, mais qui diffèrent dans leur comportement dynamique en dehors du régime stable. Donc, ces différents modèles ont des comportements distincts en réponse aux perturbations instantanées de l’intégrateur. Pour contraindre les modèles développés, des perturbations optogénétiques sont réalisées dans l’intégrateur oculomoteur du poisson zèbre transformé de manière à exprimer les pompes ioniques d’halorhodopsine ou channelrhodopsine. Les mouvements oculaires résultants de ces perturbations suggèrent que la dynamique de l’intégrateur oculomoteur est organisée autour d'un état attracteur central. Ces résultats posent de nouvelles contraintes dans la connectivité des circuits du système et mettent en évidence le potentiel de la combinaison de l’optogénétique avec des modèles théoriques pour dévoiler la dynamique des circuits neuronaux.
15
Tsopze, Norbert. "Treillis de Galois et réseaux de neurones : une approche constructive d'architecture des réseaux de neurones." Thesis, Artois, 2010. http://www.theses.fr/2010ARTO0407/document.
Full textAbstract:
Les réseaux de neurones artificiels connaissent des succès dans plusieurs domaines. Maisles utilisateurs des réseaux de neurones sont souvent confrontés aux problèmes de définitionde son architecture et d’interprétabilité de ses résultats. Plusieurs travaux ont essayé d’apporterune solution à ces problèmes. Pour les problèmes d’architecture, certains auteurs proposentde déduire cette architecture à partir d’un ensemble de connaissances décrivant le domaine duproblème et d’autres proposent d’ajouter de manière incrémentale les neurones à un réseauayant une taille initiale minimale. Les solutions proposées pour le problème d’interprétabilitédes résultats consistent à extraire un ensemble de règles décrivant le fonctionnement du réseau.Cette thèse contribue à la résolution de ces deux problèmes. Nous nous limitons à l’utilisationdes réseaux de neurones dans la résolution des problèmes de classification.Nous présentons dans cette thèse un état de l’art des méthodes existantes de recherche d’architecturede réseaux de neurones : une étude théorique et expérimentale est aussi faite. Decette étude, nous observons comme limites de ces méthodes la disponibilité absolue des connaissancespour construire un réseau interprétable et la construction des réseaux difficiles à interpréteren absence de connaissances. En alternative, nous proposons une méthode appelée CLANN(Concept Lattice-based Artificial Neural network) basée les treillis de Galois qui construit undemi-treillis à partir des données et déduire de ce demi-treillis l’architacture du réseau. CLANNétant limitée à la résolution des problèmes à deux classes, nous proposons MCLANN permettantd’étendre cette méthodes de recherche d’architecture des réseaux de neurones aux problèmes àplusieurs classes.Nous proposons aussi une méthode appelée ’Approche des MaxSubsets’ pour l’extractiondes règles à partir d’un réseau de neurones. La particularité de cette méthode est la possibilitéd’extraire les deux formats de règles (’si alors’ et ’m parmi N’) à partir d’une structure quenous construisons. Nous proposons aussi une façon d’expliquer le résultat calculé par le réseauconstruit par la méthode MCLANN au sujet d’un exempleThe artificial neural networks are successfully applied in many applications. But theusers are confronted with two problems : defining the architecture of the neural network able tosolve their problems and interpreting the network result. Many research works propose some solutionsabout these problems : to find out the architecture of the network, some authors proposeto use the problem domain theory and deduct the network architecture and some others proposeto dynamically add neurons in the existing networks until satisfaction. For the interpretabilityproblem, solutions consist to extract rules which describe the network behaviour after training.The contributions of this thesis concern these problems. The thesis are limited to the use of theartificial neural networks in solving the classification problem.In this thesis, we present a state of art of the existing methods of finding the neural networkarchitecture : we present a theoritical and experimental study of these methods. From this study,we observe some limits : difficulty to use some method when the knowledges are not available ;and the network is seem as ’black box’ when using other methods. We a new method calledCLANN (Concept Lattice-based Artificial Neural Network) which builds from the training dataa semi concepts lattice and translates this semi lattice into the network architecture. As CLANNis limited to the two classes problems, we propose MCLANN which extends CLANN to manyclasses problems.A new method of rules extraction called ’MaxSubsets Approach’ is also presented in thisthesis. Its particularity is the possibility of extracting the two kind of rules (If then and M-of-N)from an internal structure.We describe how to explain the MCLANN built network result aboutsome inputs
16
Ho, Tuong Vinh. "Un réseau de neurones à décharges pour la reconnaissance de processus spatio-temporels." Thesis, National Library of Canada = Bibliothèque nationale du Canada, 1999. http://www.collectionscanada.ca/obj/s4/f2/dsk1/tape8/PQDD_0002/NQ42823.pdf.
Full text
17
Nadal, Jean-Pierre. "Deux applications de la physique des systèmes désordonnés : croissance de structures et réseaux de neurones." Paris 11, 1987. http://www.theses.fr/1987PA112029.
Full textAbstract:
Étude statistique des structures connexes sur les réseaux de percolation. Une modélisation est faite sur le déplacement d'un fluide mouillant par un fluide non mouillant en milieu poreux. Une analyse détaillée sur le fonctionnement d'une mémoire associative par dualité avec la neurobiologie en particulier sur les mémoires à court-termes.
18
Rangoni, Yves. "Réseau de neurones dynamique perceptif - Application à la reconnaissance de structures logiques de documents." Phd thesis, Université Nancy II, 2007. http://tel.archives-ouvertes.fr/tel-00584318.
Full textAbstract:
L'extraction de structures logiques de documents est un défi du fait de leur complexité inhérente et du fossé existant entre les observations extraites de l'image et leur interprétation logique. La majorité des approches proposées par la littérature sont dirigées par le modèle et ne proposent pas de solution générique pour des documents complexes et bruités. Il n'y a pas de modélisation ni d'explication sur les liens permettant de mettre en relation les blocs physiques et les étiquettes logiques correspondantes. L'objectif de la thèse est de développer une méthode hybride, à la fois dirigée par les données et par le modèle appris, capable d'apprentissage et de simuler la perception humaine pour effectuer la tâche de reconnaissance logique. Nous avons proposé le Réseau de Neurones Dynamique Perceptif qui permet de s'affranchir des principales limitations rencontrées dans les précédentes approches. Quatre points principaux ont été développés : - utilisation d'une architecture neuronale basée sur une représentation locale permettant d'intégrer de la connaissance à l'intérieur du réseau. La décomposition de l'interprétation est dépliée à travers les couches du réseau et un apprentissage a été proposé pour déterminer l'intensité des liaisons ; - des cycles perceptifs, composés de processus ascendants et descendants, accomplissent la reconnaissance. Le réseau est capable de générer des hypothèses, de les valider et de détecter les formes ambigües. Un retour de contexte est utilisé pour corriger les entrées et améliorer la reconnaissance ; - un partitionnement de l'espace d'entrée accélérant la reconnaissance. Des sous-ensembles de variables sont créés automatiquement pour alimenter progressivement le réseau afin d'adapter la quantité de travail à fournir en fonction de la complexité de la forme à reconnaître ; - l'intégration de la composante temporelle dans le réseau permettant l'intégration de l'information de correction pendant l'apprentissage afin de réaliser une reconnaissance plus adéquate. L'utilisation d'un réseau à décalage temporel permet de tenir compte de la variation des entrées après chaque cycle perceptif tout en ayant un fonctionnement très proche de la version statique.
19
Laurent, Rémy. "Simulation du mouvement pulmonaire personnalisé par réseau de neurones artificiels pour la radiothérapie externe." Phd thesis, Université de Franche-Comté, 2011. http://tel.archives-ouvertes.fr/tel-00800360.
Full textAbstract:
Le développement de nouvelles techniques en radiothérapie externe ouvre de nouvelles voies dans la recherche de gain de précision dans la distribution de dose en passant notamment par la connaissance du mouvement pulmonaire. La simulation numérique NEMOSIS (Neural Network Motion Simulation System) basée sur les Réseaux de Neurones Artificiels (RNA) développée ici permet, en plus de déterminer de façon personnalisée le mouvement, de réduire les doses nécessaires initiales pour le déterminer. La première partie présente les techniques actuelles de traitement, les mouvements pulmonaires ainsi que les méthodes de simulation ou d'estimation du mouvement déjà existantes. La seconde partie décrit le réseau de neurones artificiels utilisé et les étapes de son paramétrage pour répondre à la problématique posée. Une évaluation précise de notre approche a été réalisée sur des données originales. Les résultats obtenus sont comparés avec une méthode d'estimation du mouvement. Les temps de calcul extrêmement faibles, de l'ordre de 7 millisecondes pour générer une phase respiratoire, ont permis d'envisager son utilisation en routine clinique. Des modifications sont apportées à NEMOSIS afin de répondre aux critères de son utilisation en radiothérapie externe et une étude sur le mouvement de contours tumoraux est effectuée. Ces travaux ont mis en place les bases de la simulation du mouvement pulmonaire par RNA et ont validé cette approche. Son exécution en temps réel couplé à la précision de la prédiction fait de NEMOSIS un outil prometteur dans la simulation du mouvement synchronisé avec la respiration.
20
Bergeron, Jocelyn. "Reconnaissance accélérée de formes par un réseau optimisé avec neurones à champs récepteurs synchrones." Mémoire, Université de Sherbrooke, 2008. http://savoirs.usherbrooke.ca/handle/11143/1595.
Full textAbstract:
Ce mémoire présente une analyse des capacités d'un réseau de neurones à décharges à quatre couches comportant des neurones complexes, dont le champ récepteur est défini par des entrées synchrones, dans le contexte d'une application de reconnaissance de formes. Avec le développement d'un modèle informatique basé sur les études neurophysiologiques, un procédé de projection de l'information vers les neurones complexes est présenté. De plus, une corrélation temporelle est utilisée pour établir la reconnaissance de formes. Une première étape permet de segmenter des images sources à l'aide d'une communication synaptique intra-couche. Puis, une projection sur deux nouvelles couches de neurones complexes et une communication synaptique extra-couche permettent de comparer des formes semblables. S'il y a correspondance entre deux ou plusieurs régions, une synchronisation des neurones complexes est décelée, sinon, il n'y aura pas de synchronisation des neurones. L'objectif est d'employer, dans un premier temps, cette nouvelle structure de réseau de neurones à décharges pour la reconnaissance de formes ayant divers niveaux de complexité, et, dans un deuxième temps, de comprendre les apports des choix de conception sur le comportement du réseau. Les expérimentations posées ont permis de conclure que le réseau développé, SyncOsc, est globalement plus performant que le réseau de comparaison ODLM. SyncOsc se montre en effet plus stable, bien plus rapide et apte à traiter des images de grandes tailles, ce que ODLM ne peut réaliser.
21
Khoyratee, Farad. "Conception d’une plateforme modulable de réseau de neurones biomimétiques pour l’étude des maladies neurodégénératives." Thesis, Bordeaux, 2019. http://www.theses.fr/2019BORD0351.
Full textAbstract:
Les neurosciences ont fait l’objet de nombreuses études et ont vu émerger de nouveaux domaines de recherche où la technologie et la biologie peuvent être utilisées en synergie dans le but de trouver des solutions pour comprendre et guérir les maladies neurologiques. Ces maladies affectent des millions de personnes à travers le monde. L’Organisation Mondiale de la Santé (OMS) prévoit une multiplication par 3 du nombre de malades dans les 30 ans à venir.Les progrès des neurosciences ont permis l’émergence de modèles décrivant la physiologie des neurones et aussi de méthodes d’implémentation matérielle de ces modèles. Parmi ces méthodes, les neuroprothèses sont des dispositifs permettant de rétablir certaines fonctions neuronales grâce à une communication avec le système nerveux. La méthodologie de leur conception implique l’étude du comportement des cellules et la création de plateformes biomimétiques interagissant en temps réel avec les cellules vivantes.Dans ces travaux de thèse, la réalisation du système biomimétique a été menée grâce à des composants numériques tels que les Field Programmable Gate Arrays (FPGA), ce qui permet de bénéficier de la flexibilité et de la rapidité de prototypage de ces technologies. La plateforme temps réel de réseaux de neurones biologiquement réalistes développée est paramétrable. Elle devient ainsi un outil neuro-computationnel permettant la réalisation d’expériences bio-hybrides pour l’étude du comportement du système nerveux et plus particulièrement des maladies neurodégénératives.Ces travaux se sont placés dans un contexte plus large. La bibliothèque d’opérateurs numériques sur FPGA développée pour la plateforme a été réutilisée pour l’étude des dynamiques semblables à celles des réseaux de neurones telles que la simulation de réseaux biochimiques ou la résolution de problèmes d’optimisation combinatoireNeuroscience has been the subject of many studies and has seen new fields of research emerge where technology and biology can be used to find solutions to understand and cure neurological diseases. These illness affect millions of people around the world. The World Health Organization (WHO) predicts a 3 fold increase in the number of patients in the next 30 years.Advances in neuroscience have led to the development of models describing the physiology of neurons and also methods of hardware implementation of these models. Among these methods, neuroprosthesis are devices for restoring certain neuronal functions through communication with the nervous system.This thesis work show that the realization of the biomimetic system was carried out thanks to digital components such as Field Programmable Gate Array (FPGA) which allows to benefit from the flexibility and speed of prototyping of these technologies. The real-time platform of biologically realistic neural networks developed is configurable. It becomes a neuro-computational tool allowing the realization of bio-hybrid experiments for the study of the behavior of the nervous system and more particularly of the neurodegenerative diseases.This work was placed in a larger context. The FPGA digital operator library developed for the platform has been reused for the study of dynamics similar to neural networks such as biochemical network simulation or combinatorial optimization problem solving
22
Chen, Xiaoning. "Contrôle optimal d'un disjoncteur de puissance : visualisation, mise en oeuvre d'un réseau de neurones." Cergy-Pontoise, 2000. http://www.theses.fr/2000CERG0110.
Full textAbstract:
La conception de nouveaux dispositifs interrupteurs performants fait de plus en plus appel aux techniques d'intelligence artificielle. Celles-ci permettent de mettre au point un controle automatique de l'ouverture du dispositif, assurant l'optimisation de ses proprietes electriques et mecaniques, sous diverses conditions d'interruption du courant. Il en resulte une amelioration de la fiabilite du circuit interrupteur, mais aussi une augmentation de sa duree de vie. Ce domaine de recherche nouveau est important, tant du point de vue theorique, que par ses multiples implications pratiques. L'auteur s'interesse a l'interaction entre le dispositif interrupteur du courant electrique et la chambre d'extinction de l'arc du circuit interrupteur. Il etablit dans cette these un modele mathematique de l'ensemble du processus de coupure du courant. L'auteur s'attache a une representation visuelle tres realiste des resultats issus du calcul scientifique. Un programme de simulation est developpe au moyen du logiciel matlab et de son extension graphique simulink. L'auteur met ainsi a la disposition des concepteurs de circuits interrupteurs un outil puissant, dote d'un affichage graphique dynamique et d'une interface conviviale. Le modele mathematique decrit en detail la relation entre le dispositif hydraulique interrupteur et la chambre d'extinction de l'arc, la relation entre le debit gazeux et l'arc dans la chambre, et les performances de coupure du courant en fonction de la caracteristique de deplacement de la partie mobile du circuit. Le modele combine un calcul a une dimension avec un calcul a deux dimensions, ce qui apporte une reduction significative du temps de calcul. Les nombreuses simulations effectuees ont permis d'approfondir la connaissance de l'effet du mecanisme hydraulique sur la caracteristique de deplacement et de l'effet des conditions d'interruption sur les performances de la coupure de courant. En consequence la faisabilite d'un controle optimal a ete demontree. De plus, les relations liant le courant interrupteur, et la duree de l'arc electrique, a la caracteristique de deplacement, ont ete confirmees. L'auteur a precise les conditions de rupture optimales ; ces conditions permettent d'etablir le cahier des charges d'un controle optimal. Une contribution significative de la these reside dans l'analyse detaillee du courant lors de l'ouverture du circuit. L'auteur montre comment l'arc electrique est conditionne par l'instant initial du deplacement. A partir de cette analyse il devient possible de faire coincider la duree de l'arc electrique avec la duree optimale d'ouverture du circuit. Cette technique exploite au mieux la faculte naturelle d'interruption du circuit. L'auteur propose de mettre en uvre un reseau neuronal pour le controle optimal. Le controleur elabore exploite la technique de la propagation arriere ; la reconnaissance de forme est fondee sur la theorie de la resonance adaptative (adapting resonance theory : art). L'auteur exploite a la fois le traitement parallele des signaux, la caracteristique non-lineaire et multidimensionnelle des reseaux neuronaux, et le mecanisme auto-stabilisant du reseau neuronal de type art. Cette methode originale, developpee par xiaoning chen, permet de faire l'economie du temps de calcul important, habituellement requis par la resolution des equations differentielles non-lineaires. Le controle optimal, en temps reel, des circuits interrupteurs de puissance est ainsi realise avec precision, et ce, quelles que soient les conditions imposees pour la coupure du courant.
23
Asnaashari, Ahmad. "Modélisation de la défaillance des réseaux d'eau : approches statistique, réseau de neurones et survie." Lille 1, 2007. https://pepite-depot.univ-lille.fr/LIBRE/Th_Num/2007/50376-2007-Asnaashari.pdf.
Full textAbstract:
La défaillance des réseaux d'eau constitue un problème majeur en Iran, qui nécessite des investissements importants et l'élaboration d'une stratégie optimale pour la réhabilition des réseaux d'eau. Ce travail constitue une contribution à cet objectif. Il vise le développement des outils pour améliorer la gestion et la maintenance des réseaux d'eau. Il comporte la détermination des principaux facteurs affectant la défaillance des réseaux d'eau, l'élaboration d'un modèle de prévision fondé sur les Réseaux de Neurones Artificiels, et le développement d'un modèle de survie. Ces approches ont été appliquées sur le réseau d'eau de la ville de Sanandaj en Iran. Le travail de thèse a comporté différents parties, notamment: la collecte de données sur le réseau de la ville de Sanandaj, l'analyse spatiale et statistique de ces données, le développement d'un modèle basé sur le Réseau de Neurones Artificiels et l'application de l'approche de survie. L'analyse des données a permis la détermination de principaux facteurs à l'origine de la défaillance des réseaux d'eau. Deux modèles de régression (multiple et Poisson) ont été employés pour la prévision du nombre de défaillances du réseau d'eau. Ces modèles ont été comparés à l'approche Réseau de Neurones Artificiels. La comparaison a montré tout l'intérêt d'utiliser l'approche Réseau de Neurones pour la prévision de la défaillance des réseaux d'eau. L'approche de survie a été utilisée pour étudier la durée de vie et étudier l'impact d'une intervention sur le réseau d'eau.
24
Ait, Fares Salma. "Réseau de neurones adaline pour l'estimation des harmoniques pour la commande d'un filtre actif." Thèse, Université du Québec à Trois-Rivières, 2003. http://depot-e.uqtr.ca/3991/1/000103594.pdf.
Full text
25
Lamrani, Jamal. "Étude et tentative d'optimisation des paramètres d'un réseau de neurones de types auto-associatif." Thèse, Université du Québec à Trois-Rivières, 1994. http://depot-e.uqtr.ca/5026/1/000616425.pdf.
Full text
26
Marissal, Thomas. "Une approche développementale de l' hétérogénéité fonctionnelle des neurones pyramidaux de CA3." Thesis, Aix-Marseille, 2012. http://www.theses.fr/2012AIXM4001/document.
Full textAbstract:
Les neurones pyramidaux de la région CA3 de l'hippocampe présentent une diversité morphologique, physiologique, biochimique, mais aussi fonctionnelle. Une partie des caractéristiques des neurones étant acquise pendant le développement, nous avons formulé l'hypothèse que la diversité morpho-fonctionnelle des neurones pyramidaux serait déterminée aux stades embryonnaires. Pour tester cette hypothèse, nous avons utilisé des souris transgéniques pour lesquelles l'expression d'un marqueur fluorescent (GFP) est conditionnée par la date de neurogenèse des neurones glutamatergiques. Nous avons enregistré l'activité des neurones en imagerie calcique et montré que les neurones pyramidaux nés le plus tôt déchargent pendant la phase d'initiation des activités épileptiformes générées par le blocage pharmacologique de la transmission GABAergique rapide. De plus, nous montrons que ces neurones précoces possèdent des propriétés morpho-physiologiques distinctes. Enfin, nous montrons que la stimulation de neurones pyramidaux nés tôt peut générer des activités épileptiformes à des stades immatures lorsqu'ils sont stimulés en groupe, et à des stades juvéniles lorsqu'ils sont stimulés individuellement. Ainsi nous démontrons qu'il existe un lien entre la date de neurogenèse et les propriétés morpho-fonctionnelles des neurones pyramidaux de CA3There is increasing evidence that CA3 pyramidal cells are biochemically, electrophysiologically, morphologically and functionally diverse. As most of these properties are acquired during development, we hypothesized that the heterogeneity of the morphofunctionnal properties of pyramidal cells could be determined at the early stages of life. To test this hypothesis, we used a transgenic mouse line in which we glutamatergic cells are labelled with GFP according to their birth date. Using calcium imaging, we recorded multineuron activity in hippocampal slices and show that early generated pyramidal neurons fire during the build-up phase of epileptiform activities generated in the absence of fast GABAergic transmission. Moreover, we show that early generated pyramidal neurons display distinct morpho-physiological properties. Finally, we demonstrate that early generated neurons can generate epileptiform activities when stimulated as assemblies at immature stages, and when stimulated individually at juvenile stages. Thus we suggest a link between the date of birth and the morpho-functional properties of CA3 pyramidal neurons
27
Cabirol-Pol, Marie-Jeanne. "Caractérisation morphofonctionnelle d'un réseau neuronal simple : implications de la géométrie des neurones et de la ségrégation des synapses intra-réseau et modulatrices." Bordeaux 1, 1998. http://www.theses.fr/1998BOR10561.
Full textAbstract:
L'etude morphofonctionnelle d'un reseau neuronal paucineuronique a ete realisee chez les crustaces et plus precisement sur des neurones identifies du reseau pylorique du systeme nerveux stomatogastrique chez le homard breton, homarus gammarus. Dans un premier temps, la morphologie globale des differents types neuronaux du reseau (exprimant chacun des proprietes particulieres telles que des oscillations du potentiel de membrane, des potentiels de plateau) a ete caracterisee a l'aide de marquages in toto par injection intracellulaire de peroxydase. Ce travail a mis en evidence des traits architecturaux communs a tous les neurones du reseau mais aussi des caracteres propres a chacun d'entre eux leur conferant ainsi une veritable personnalite morphologique. Dans un second temps, il a ete mis au point une technique de double marquage permettant l'observation, d'abord en microscopie confocale puis en microscopie electronique, de deux neurones identifies du reseau et connectes par une synapse chimique inhibitrice. Grace a la combinaison de cette technique avec des techniques electrophysiologiques, il a ete apporte des arguments suggerant que les synapses intra-reseau sont supportees par un petit nombre de sites morphologiquement distincts et qu'elles font l'objet d'une segregation spatiale extremement poussee puisqu'elles ne concernent que 5% de l'arborisation des neurones pyloriques. Les consequences fonctionnelles de cette segregation ont ete abordees. Dans un troisieme temps, une etude ultrastructurale de ces neurones a ete entreprise afin notamment de connaitre le role des 95% restants de leur arborisation. Cette etude apporte des arguments suggerant que ceux-ci, c'est a dire la quasi-totalite de l'arborisation neuronale, servent a la reception d'informations neuromodulatrices. De plus, au cours de ces observations ultrastructurales, le support morphologique de relations synaptiques deja analysees fonctionnellement mais egalement celui de relations non encore connues sur le plan fonctionnel ont ete mis en evidence.
28
Pearlstein, Edouard. "Organisation modulaire d'un réseau locomoteur : étude des motoneurones élévateurs et dépresseurs dans les appendices thoraciques de l'écrevisse." Aix-Marseille 3, 1996. http://www.theses.fr/1996AIX30011.
Full textAbstract:
Les etudes neurobiologiques de la locomotion ont permis de caracteriser differents types de reseaux de neurones responsables de cette activite motrice rythmique. Jusqu'a present, cependant, les reseaux decrits dans le detail ne concernent que des systemes de nage ou de vol. On possede beaucoup moins de donnees sur des systemes de marche utilisant des appendices specialises. A ce niveau, une question reste en suspend, concernant la mise en jeu des differentes articulations appendiculaires. A l'hypothese d'un fonctionnement d'ensemble de toutes les articulations gerees par un seul generateur appendiculaire, s'oppose l'idee d'un systeme etage, ou chaque articulation possederait ses propres reseaux independants, qui se coordonneraient pour assurer une activite globale de l'appendice considere. Le present travail a pour objectif d'analyser ce probleme ; pour cela nous avons pris pour modele le reseau locomoteur thoracique de l'ecrevisse etudie in vitro. Chez l'ecrevisse, chaque patte locomotrice possede plusieurs articulations, controlees par une paire de muscles antagonistes. Les deux premieres articulations permettent de definir le programme locomoteur (articulation thoracico-coxale, t-c, avec les muscles protracteur et retracteur: articulation coxo-basale. C-b, avec les muscles elevateur et depresseur). Nous nous sommes attaches a caracteriser dans le detail l'activite des motoneurones controlant les muscles de l'articulation c-b. L'ensemble des resultats obtenus nous amene a penser que ce reseau locomoteur fonctionne suivant une organisation modulaire ou chaque etage peut presenter sa propre rythmicite. La plupart des motoneurones commandant un meme muscle sont electrotoniquement couples entre eux ; et sont au nombre de 19 pour l'elevateur et de 13 pour le depresseur. L'application d'agonistes muscariniques permet d'accroitre l'excitabilite de ces motoneurones et de demasquer leurs proprietes endogenes, induisant alors l'emergence d'une activite rythmique. L'alternance entre les deux groupes de motoneurones est assuree par des connexions inhibitrices directes mettant en jeu des synapses de type tonique. Il apparait donc que chaque couple de groupes de motoneurones antagonistes est capable, dans certaines conditions, de produire sa propre activite rythmique independamment des autres couples ; c'est a dire qu'il fonctionne comme un oscillateur unitaire. Le role des interneurones serait de reorganiser et de coordonner ces differents modules de facon a permettre la locomotion
29
Ambroise, Matthieu. "Hybridation des réseaux de neurones : de la conception du réseau à l’interopérabilité des systèmes neuromorphiques." Thesis, Bordeaux, 2015. http://www.theses.fr/2015BORD0394/document.
Full textAbstract:
L’hybridation est une technique qui consiste à interconnecter un réseau de neurones biologique et un réseau de neurones artificiel, utilisée dans la recherche en neuroscience et à des fins thérapeutiques. Durant ces trois années de doctorat, ce travail de thèse s’est focalisé sur l’hybridation dans un plan rapproché (communication directe bi-directionnelle entre l’artificiel et le vivant) et dans un plan plus élargies (interopérabilité des systèmes neuromorphiques). Au début des années 2000, cette technique a permis de connecter un système neuromorphique analogique avec le vivant. Ce travail est dans un premier temps, centré autour de la conception d’un réseau de neurones numérique, en vue d’hybridation, dans deux projets multi-disciplinaires en cours dans l’équipe AS2N de l’IMS, présentés dans ce document : HYRENE (ANR 2010-Blan-031601), ayant pour but le développement d’un système hybride de restauration de l’activité motrice dans le cas d’une lésion de la moelle épinière, BRAINBOW (European project FP7-ICT-2011-C), ayant pour objectif l’élaboration de neuro-prothèses innovantes capables de restaurer la communication autour de lésions cérébrales.Possédant une architecture configurable, un réseau de neurones numérique a été réalisé pour ces deux projets. Pour le premier projet, le réseau de neurones artificiel permet d’émuler l’activitéde CPGs (Central Pattern Generator), à l’origine de la locomotion dans le règne animale. Cette activité permet de déclencher une série de stimulations dans la moelle épinière lésée in vitro et de recréer ainsi la locomotion précédemment perdue. Dans le second projet, la topologie du réseau de neurones sera issue de l’analyse et le décryptage des signaux biologiques issues de groupes de neurones cultivés sur des électrodes, ainsi que de modélisations et simulations réalisées par nos partenaires. Le réseau de neurones sera alors capable de réparer le réseau de neurones lésé. Ces travaux de thèse présentent la démarche de conception des deux différents réseaux et des résultats préliminaires obtenus au sein des deux projets. Dans un second temps, ces travaux élargissent l’hybridation à l’interopérabilité des systèmes neuromorphiques. Au travers d’un protocole de communication utilisant Ethernet, il est possible d’interconnecter des réseaux de neurones électroniques, informatiques et biologiques. Dans un futur proche, il permettra d’augmenter la complexité et la taille des réseauxHYBRID experiments allow to connect a biological neural network with an artificial one,used in neuroscience research and therapeutic purposes. During these three yearsof PhD, this thesis focused on hybridization in a close-up view (bi-diretionnal direct communication between the artificial and the living) and in a broader view (interoperability ofneuromorphic systems). In the early 2000s, an analog neuromorphic system has been connected to a biological neural network. This work is firstly, about the design of a digital neural network, for hybrid experimentsin two multi-disciplinary projects underway in AS2N team of IMS presented in this document : HYRENE (ANR 2010-Blan-031601), aiming the development of a hybrid system for therestoration of motor activity in the case of a spinal cord lesion,BRAINBOW (European project FP7-ICT-2011-C), aiming the development of innovativeneuro-prostheses that can restore communication around cortical lesions. Having a configurable architecture, a digital neural network was designed for these twoprojects. For the first project, the artificial neural network emulates the activity of CPGs (Central Pattern Generator), causing the locomotion in the animal kingdom. This activity will trigger aseries of stimuli in the injured spinal cord textit in vitro and recreating locomotion previously lost. In the second project, the neural network topology will be determined by the analysis anddecryption of biological signals from groups of neurons grown on electrodes, as well as modeling and simulations performed by our partners. The neural network will be able to repair the injuredneural network. This work show the two different networks design approach and preliminary results obtained in the two projects.Secondly, this work hybridization to extend the interoperability of neuromorphic systems. Through a communication protocol using Ethernet, it is possible to interconnect electronic neuralnetworks, computer and biological. In the near future, it will increase the complexity and size of networks
30
Kara, Reda. "Une Approche modulaire du réseau de neurones CMAC pour la commande d'un système robot-vision." Mulhouse, 2002. http://www.theses.fr/2002MULH0704.
Full textAbstract:
Ce travail de thèse explore les capacités des réseaux de neurones à estimer les fonctions robotiques pour réaliser des contrôleurs performants. Nous proposons une approche de l'asservissement visuel dite adaptative qui repose sur l'utilisation du réseau de neurones CMAC ("Cerebellar Model Articulation Controller"). En dépit des propriétés attractives, ce réseau présente deux problèmes : une sortie discrète, ainsi qu'une taille liée directement à la précision souhaitée. De ce fait, nous avons formalisé 2 architectures neuronales modulaires : le réseau HCMAC ("Hierarchical CMAC") et le réseau AL_CMAC ("Adaptive Linear CMAC"). Leur principe repose sur une combinaison de plusieurs réseaux de neurones de plus petite taille. Les contrôleurs neuronaux modulaires sont évalués et validés dans des applications d'asservissement visuel d'un robot trois axes (positionnement et la poursuite de cibles. Leurs performances sont comparées à celles du réseau CMAC et du réseau SSOM ("Supervised Self-Organizing Maps")The work of this thesis investigates artificial neural networks capabilities to estimate robotic functions, and their performances as controllers. We propose an adaptive visual servoing scheme based on the CMAC ("Cerebellar Model Articulation Controller") network. The CMAC network is thus well suited for robot control but in practice there are two drawbacks: its output is "discrete" and its precision depends on its size. Thus, we have developed two modular neural : the HCMAC ("Hierarchical CMAC") and the AL_CMAC ("Adaptive Linear CMAC"). These two networks are a combination of networks of small size. The efficiency of the HCMAC and AL_CMAC neuro-controller is validated through visual servoing experiments with a three degrees of freedom robot arm and with a two camera vision system. Visual servoing experiments consist in positioning tasks and in tracking mobile objects. The performances are compared to other neuro-controllers like CMAC and SSOM ("Supervised Self-Organizing Maps") networks
31
Chauvet, Pierre. "Sur la stabilité d'un réseau de neurones hiérarchique à propos de la coordination du mouvement." Angers, 1993. http://www.theses.fr/1993ANGE0011.
Full textAbstract:
Dans le premier chapitre, quelques réseaux de neurones capables d'apprendre des mouvements sont présentés. Un modèle du cortex cérébelleux, très impliqué dans la coordination des mouvements, est décrit en détail : c'est un réseau hiérarchique de réseaux de neurones linéaires, appelés unités de Purkinje, qui respectent la connectivité réelle. Les poids synaptiques, en apprentissage, sont modifiés par une règle de covariance. L'étude de ce modèle a permis de définir de nouvelles règles d'apprentissage appelées règles d'apprentissage variationnelles. L'objectif de cette thèse est d'en étudier les conditions de validité pour des unités non linéaires et d'en déduire une explication sur la manière dont la coordination de mouvements est apprise. Dans le deuxième chapitre, une unité de Purkinje linéaire plus générale est analysée. Les notions d'apprentissage et de reconnaissance sont approfondies. Il est montre qu'en phase d'apprentissage, une unité linéaire converge et est stable au sens de Lyapunov, sous certaines conditions. Sous ces mêmes conditions, les règles variationnelles vues dans le chapitre précédent sont confirmées. Dans la première partie du troisième chapitre, il est supposé que les neurones de l'unité sont non linéaires. Sa stabilité au sens de Lyapunov est étudiée par linéarisation autour d'un point équilibre. Dans la seconde partie, des délais sont introduits à l'intérieur de l'unité entre certains neurones. Il en résulte que l'unité possède une dynamique interne. Les conditions de convergence de la sortie de l'unité sont alors déterminées. Finalement, les règles variationnelles sont confirmées sous certaines conditions pour cette unité non linéaire. Dans le quatrième chapitre, l'étude d'un réseau d'unités de Purkinje est entreprise. Après l'étude d'un réseau simple, des délais entre unités sont introduits. Des conditions de stabilité de réseaux d'unités non linéaires sont déterminées et des simulations numériques permettent de vérifier que les règles variationnelles sont bien suivies. Enfin, un exemple de coordination musculaire apprise par un réseau est donné.
32
Patry, Marco. "Modelisation de la défibration secondaire de la pâte cellulose à l'aide d'un réseau de neurones." Thèse, Université du Québec à Trois-Rivières, 2001. http://depot-e.uqtr.ca/2798/1/000680637.pdf.
Full text
33
Vuillet, Jacqueline. "Place des neurones contenant le neuropeptide Y dans le réseau striatal : apptoche ultrastructurale et immunocytochimique." Aix-Marseille 2, 1993. http://www.theses.fr/1993AIX22023.
Full textAbstract:
Le striatum, structure d'entree des ganglions de la base, joue un role important dans le systeme sensorimoteur. Il contient un taux eleve de neuropeptide y (npy). Des 1986, des travaux effectues en microscopie photonique ont montre que le npy se trouvait dans des neurones de taille moyenne depourvus d'epines et intrinseques au striatum. Le but de notre etude a ete de determiner les caracteristiques ultrastructurales de ces neurones et d'envisager leur place dans le reseau striatal. Cette caracterisation a ete realisee par des techniques immunocytochimiques a l'aide d'un anticorps dirige contre le npy marque par la peroxidase. L'etude des afferences de ces neurones a ete abordee soit par couplage de techniques de degenerescence des voies afferentes et marquage immunocytochimique des neurones contenant le npy soit par double marquage. Nos observations confirment que ces neurones appartiennent a la classe des neurones moyens depourvus d'epines avec des prolongements longs, peu branches et legerement variqueux. Ils contiennent un noyau profondement invagine et un cytoplasme principalement localise a l'emergence des dendrites, riche en organites, surtout en ribosomes et en reticulum endoplasmique granulaire. Ces caracteristiques ultrastructurales sont comparables a celles des autres populations d'interneurones, en particulier les neurones cholinergiques. Outre la co-localisation decrite dans la litterature avec la somatostatine et la nadph-diaphorase, nous avons montre que les neurones npy-positifs contiennent egalement, pour certains d'entre eux, le gaba. Les neurones npy-immunoreactifs (-ir) sont la cible des voies corticostriee et dopaminergique nigrostriee. Ils recoivent aussi une innervation gabaergique importante ainsi que quelques afferences cholinergiques. Ils ont pour cible majeure les neurones epineux efferents du striatum qui sont, pour la plupart, gabaergiques. Sur la base de ces donnees ultrastructurales, nous avons suggere que les neurones striataux npy-ir pourraient jouer un role majeur d'integration des informations afferentes ou intrinseques au striatum et de modulation des sorties striatales. Les neurones npy-ir contactent egalement des neurones de type cholinergique. La presence d'interactions synaptiques reciproques entre neurones contenant le npy et l'acetylcholine suggere l'existence d'un couplage fonctionnel de l'activite de ces deux groupes d'interneurones probablement impliquees dans des boucles differentes susceptibles de permettre de moduler l'activite des neurones striataux de projection. Les neurones npy-ir paraissent doues de potentialites de plasticite particulieres lors de lesions pouvant etre en rapport avec leurs caracteristiques morphologiques en particulier leur richesse en arn nucleaire et cytoplasmique face a la population majeure du striatum, les neurones epineux. Nos observations montrent l'importance des neurones contenant le npy dans le reseau striatal et ouvrent le champ a de nouvelles investigations qui tendront a montrer le role joue par la plasticite de ces elements au sein du striatum, lors de lesions comme lors de manipulations pharmacologiques
34
Objois, Philippe. "Réseau de cellules intégré : mécanisme de communication inter-cellulaire et application à la simulation logique." Phd thesis, Grenoble INPG, 1988. http://tel.archives-ouvertes.fr/tel-00328188.
Full textAbstract:
Il existe une voie nouvelle différente du schéma de calcul, par nature séquentiel de Von Neumann: celle du parallélisme massif. Nous proposons dans cette thèse une architecture régulière hautement parallèle basée sur un réseau de cellules asynchrones communiquant par messages. Chaque cellule exécute une tache simple et intégré un mécanisme de communication lui permettant d'échanger des informations avec n'importe quelle autre cellule du réseau. Cette architecture permet d'exécuter de manière efficace bon nombre d'algorithmes très parallèles. Nous avons étudié un accélérateur de simulation logique basé sur cette architecture cellulaire. Le principe est d'associer a chaque cellule du réseau un élément logique du circuit a simuler. Contrôlée par un système-hôte, la simulation se déroule en deux temps: initialisation des cellules du réseau puis exécution de l'algorithme reparti dans les cellules. Plusieurs algorithmes de simulation ainsi que différents modes de synchronisation sont présentés. La réalisation d'un circuit intégrant un réseau 2 x 2 et ses interfaces de communication est décrite. Enfin, une machine prototype de simulation logique basée sur ce circuit utilisant un ordinateur IBM PC/AT comme système-hôte est présenté
35
Cornu-Emieux, Renaud. "Réseau de cellules intégré : étude d'architectures pour des applications de CAO de VLSI." Phd thesis, Grenoble INPG, 1988. http://tel.archives-ouvertes.fr/tel-00328650.
Full textAbstract:
Le développement des techniques d'intégration permet de réaliser des circuits de 10**(5) a 10**(6) transistors et, dans un futur proche, des circuits encore plus complexes. Les problèmes de CAO deviennent donc de plus en plus ardus, comme la simulation logique ou le placement. Cette même évolution nous autorise a réaliser des machines parallèles très puissantes pour résoudre ces problèmes. Nous proposons l'architecture d'un réseau cellulaire asynchrone. Ce réseau, compose de nxn cellules dont chacune est physiquement connectée à ses quatre voisines, dispose d'un mécanisme de communication permettant l'acheminement de messages d'une cellule quelconque a n'importe quelle autre. Un circuit intégré, incluant un réseau de 2 x 2 cellules dédié à la simulation logique, a été réalisé. Utilisant cette architecture cellulaire nous avons développé un placeur, qui a partir d'une configuration initiale, minimise la longueur des connexions par échanges de paires. Nous avons aborde la manière dont le placement pourrait être amélioré par la méthode de recuit simule. Ces deux applications, différentes de l'architecture cellulaire, nous permettent de constater que beaucoup de parties sont communes aux deux circuits. Nous énonçons certaines règles de façon à rendre la conception plus rapide et plus sure
36
Kosmidis, Efstratios. "Effets du bruit dans le système nerveux central : du neurone au réseau de neurones : fiabilité des neurones, rythmogenèse respiratoire, information visuelle : étude par neurobiologie numérique." Paris 6, 2002. http://www.theses.fr/2002PA066199.
Full text
37
Benaouda, Djamel. "Modélisation et simulation d'un réseau de neurones formels : implantation sur machine parallèle "hypercube FPS T-40." Phd thesis, Grenoble 1, 1992. http://tel.archives-ouvertes.fr/tel-00340978.
Full textAbstract:
Cette thèse consiste a modéliser un réseau neuronal situe en aval de la cochlee, qui constitue les premières couches de traitement des signaux de la parole issus du système auditif périphérique. Le cadre général du travail présente concerne la modélisation mathématique du réseau de neurones en question, la description de la machine massivement parallèle hypercube FPS T-40 utilisée comme outil de nos simulations, l'implantation du modèle neuronal sur cette machine parallèle et enfin les réalisations et interprétations de résultats de simulation. Ces travaux sont présentés en quatre chapitres comme suit: le premier chapitre s'inscrit dans le cadre général des réseaux de neurones, en commençant par les premiers modèles fondes sur des réseaux dits d'automates a seuil conçus par W. S. Mcculloch et W. Pitts des 1943, des réseaux d'automates cellulaires conçus par J. Von Neumann des 1948, etc... Le deuxième chapitre introduit la mesure de Gibbs, champs aléatoires et modèles de réseaux (déterministes et stochastiques). Puis, il présente l'étude du probleme d'ergodicité des réseaux de neurones probabilistes. Le troisième chapitre concerne l'environnement technique ou nos simulations de réseaux de neurones ont été effectuées. Il consiste en une description générale du principe du parallélisme et en une présentation détaillée de la machine massivement parallèle hypercube FPS T-40. Enfin, le quatrième chapitre comprend l'implantation de l'algorithme du réseau de neurones sur la machine massivement parallèle hypercube FPS T-40, l'expérimentation numérique et l'interprétation des résultats numériques. Ensuite, on a représente graphiquement ces résultats, a l'aide de mesures statistiques adéquates résumant le comportement dynamique du réseau, sur station de travail vinix (ordinateur spécialisé dans le traitement d'images)
38
Sabeva, Silvia. "Application d'un réseau de neurones ARTMAP à la reconnaissance des commandes gestuelles d'édition de documents braille." Thesis, National Library of Canada = Bibliothèque nationale du Canada, 1999. http://www.collectionscanada.ca/obj/s4/f2/dsk1/tape7/PQDD_0002/MQ42925.pdf.
Full text
39
Le, Masson Gwendal. "Stabilité fonctionnelle des réseaux de neurones : étude expérimentale et théorique dans le cas d'un réseau simple." Bordeaux 1, 1998. http://www.theses.fr/1998BOR10534.
Full textAbstract:
Un des reseaux qui compose systeme nerveux stomatogastrique des crustaces, (le reseau pylorique) reste l'un des mieux connu en termes de proprietes cellulaires et de connexions synaptiques. Un des problemes auxquels ce reseau doit faire face est qu'il est constamment sujet a des influences modulatrices susceptibles d'en adapter l'activite (plasticite), mais il peut egalement etre soumis a des modifications externes. Malgre ces perturbations, ce reseau reste d'une remarquable stabilite dans son activite. Cette stabilite permet d'assurer en permanence une fonction pylorique liee au peristaltisme et au filtrage des aliments. Le but du present travail est de comprendre comment ces deux contraintes apparemment contradictoires (plasticite et stabilite) peuvent etre reunis au sein d'un meme reseau. Au chapitre i nous decrivons les outils mathematiques et informatiques que nous avons developpes. Ce chapitre decrira egalement les modeles de neurones que nous avons construits sur la base des donnees experimentales disponibles. Au cours du chapitre ii, nous decrivons en detail deux techniques originales. L'une, est appelee la methodes des reseaux hybrides, va nous permettre au cours du chapitre iii, de manipuler la structure synaptique du reseau pour en analyser plus finement ses proprietes. L'autre, plus theorique, est une methode d'optimisation utilisee pour estimer et mieux cerner certains parametres de nos modeles. Le chapitre iii est devolu a l'analyse de la stabilite structurelle du reseau pylorique. Les resultats majeurs obtenus sont les suivants : (1) la stabilite du rythme pylorique est assuree par au moins deux mecanismes synergiques. L'un est cellulaire et fait appel a une population de cellules auto-rythmiques dite pacemaker. L'autre est synaptique et fait intervenir une boucle d'inhibition recurrente cyclique. (2) la stabilite de l'organisation interne de la sequence motrice pylorique est assuree par une redondance de mecanismes. Enfin, le chapitre iv s'interesse au maintien a long terme des proprietes endogenes cellulaires face a divers types de perturbations. Nous soutenons l'hypothese qu'il existe des boucles de retrocontroles liant l'activite electrique moyenne des cellules a l'expression des canaux ioniques. Certains aspects de cette hypothese ont ete demontres experimentalement.
40
Musca, Serban. "Auto-rafraîchissement de la mémoire humaine : études comportementales et simulations en réseau de neurones dual réverbérant." Grenoble 2, 2004. http://www.theses.fr/2004GRE29008.
Full textAbstract:
L'analyse du statut de l'information qui est "mise en mémoire" humaine nous a conduit à l'approche connexionniste (apprentissage par correction d'erreur) : la mémoire a son origine dans le traitement de l'information. Nous avons montré, à l'aide de simulations connexionnistes et d'expériences comportementales, que l'information distribuée (ID), c'est-à-dire l'information contenue dans un réseau connexionniste préalablement entraîné, ne se réduit pas aux types d'information généralement reconnus en psychologie cognitive (exemplaires et prototypes), et que l'humain est sensible à l'ID. Un transport de mémoire par ID a été mis en évidence dans une situation mettant en opposition ID d'une part, et l'information sur des exemplaires (sous leur forme initiale et en tant que distorsions) d'autre part. Des simulations et expériences comportementales complémentaires ont confirmé l'intérêt de l'ID en tant qu'acteur essentiel dans le processus d'auto-rafraîchissement de la mémoire.
41
Tay, Yong Haur. "Reconnaissance de l'écriture manuscrite hors-ligne par réseau de neurones artificiels et modèles de Markov cachés." Nantes, 2002. http://www.theses.fr/2002NANT2106.
Full text
42
Kharroubi, Ouissem. "Prévision des crues par modèle de réseau de neurones artificiels : application au bassin versant de l’Eure." Thesis, Lille 1, 2013. http://www.theses.fr/2013LIL10034/document.
Full textAbstract:
La croissance des populations riveraines engendre un accroissement de la vulnérabilité de nos sociétés aux inondations donc une forte demande sociale pour prévenir et prévoir ces catastrophes naturelles. Pour atteindre cet objectif, la disposition d’outils de prévision des crues, opérationnels et fiables, est primordiale. Mais la prévision des crues demeure un exercice loin d’être évident. D’une part, parce que les exigences en matière de prévision (précision et délai d’anticipation) sont de plus en plus fortes et d’autre part, parce que les outils physiques de prévisions des crues sont limités par les connaissances relatives de l’hydro-système. Dans ce contexte, ce mémoire présente les travaux effectués pour réaliser des modèles de prévisions des crues pluie-débit, à base de réseaux de neurones artificiels (RNA), dans les bassins versants de l’Eure, de l’Iton et de l’Avre jusqu’à un horizon de prévision de 48h. D’abord, une analyse de la complexité géographique des bassins sera menée afin de déterminer les différents éléments influençant leurs régimes hydrologiques. Ensuite, une démarche méthodologique d’analyse statistique des données a permis une synthèse sur la nature hydrologique des bassins étudiés et d’apporter les éléments nécessaires à la définition des relations non-linéaires pluie-débit. Cet apport a permis la création d’un modèle pluie-débit non-linéaire de prévision des crues. Un modèle RNA capable d’effectuer des prévisions des crues jusqu’au 48h d’anticipation. Ce processus a été testé sur les trois bassins versants et les résultats des tests montrent une production de prévisions fiables ainsi qu’une capacité de généralisation à d’autres hydro-systèmesThe growth of riparian populations generates an increase in vulnerability of our societies to flood. Therefore, a high social demand to prevent and predict these natural disasters must be tacking to protect the population against floods. To achieve this objective, the provision of flood forecasting tools, operational and reliable, is primordial. But the flood forecasting still an exercise far from being evident. Firstly, because the forecast requirements (precision and time anticipation) are becoming more and more higher. And secondly, because the physical flood forecasting tools is limited by the relative knowledge of floods hydro-systems. In this context, this thesis presents the work done to produce rainfall-runoff flood forecasting models based on artificial neural networks (ANN) in the Eure watershed (and two sub-basins) up to a 48 hours horizon forecasting. Firstly, an analysis of the geographical complexity of studied basins will be conducted in order to determine the different factors that influencing the hydrological Eure watershed regime. Then, a methodological process to data statistical analysis, has allowed a synthesis on the hydrological nature of the watersheds studied and brings the elements needed to the definition of the non-linear relations rainfall-runoff. This contribution has allowed the creation of a rainfall-runoff nonlinear model for flood forecasting. ANN model able to perform a reliable forecasting of flood up to a 48 hours horizon forecasting. This process has been tested on three watersheds and the test results show a reliable forecasts as well as an ability of generalization to other hydro-systems
43
Chervier, Frédéric. "Modélisation des variations basse fréquence des émissions de COVB à l'aide d'un réseau de neurones artificiels." Paris 7, 2005. http://www.theses.fr/2005PA077179.
Full text
44
Royer, Alex. "Amélioration des méthodes de calcul thermique par réseau de neurones dans les chambres de combustion aéronautiques." Electronic Thesis or Diss., Université de Lorraine, 2023. http://www.theses.fr/2023LORR0141.
Full textAbstract:
Les chambres de combustion aéronautiques sont des environnements contraints fonctionnant à des températures et des pressions en constante augmentation depuis les dernières décennies. Dans ces conditions, les transferts thermiques par rayonnement sont conséquents et leurs influences sur la structure de flamme et sur les températures de parois est sensible. Il est donc essentiel d'être capable de modéliser avec précision ce mode de transfert sur des cas industriels très hétérogènes et sur des maillages de plusieurs centaines de millions de cellules. Les méthodes de résolution courantes ne permettent pas d'atteindre une précision satisfaisante compte tenu des besoins croissants. Des méthodes de résolution fines et l'utilisation de modèles de gaz spectraux seraient nécessaires mais impliqueraient une consommation de ressources de calcul prohibitives. Pour palier ce problème, nous proposons dans ces travaux une nouvelle méthodologie de modélisation du rayonnement basée sur les méthodes de Monte Carlo et les réseaux de neurones bayésiens. Le principe du concept détaillé dans ce manuscrit commence par l'échantillonnage de points de référence tirés aléatoirement dans le milieu d'étude. Un calcul de la grandeur radiative d'intérêt est réalisée en chacun de ces points par méthode de Monte Carlo avec un modèle spectral fin. Les résultats de ces calculs sont ensuite stockés dans une base de données sur laquelle un réseau de neurones est entrainé selon un algorithme de Levenberg-Marquardt. Le paradigme bayésien nous permet de définir la topologie optimale du réseau et d'adapter automatiquement l'ensemble des paramètres inhérents au réseau sans intervention de l'utilisateur. Le réseau entrainé permet de reconstituer les champs de flux ou de divergence de flux au sein du domaine. Après une description théorique des notions mises en œuvre dans ces travaux, des résultats sur cas académiques sont présentés dans différentes configurations. Nous démontrons alors la capacité de la méthode développée à modéliser le rayonnement en milieu participatif avec une précision très élevée et des coûts de calcul faiblesAeronautical combustion chambers are constrained environments operating at temperatures and pressures that have been steadily increasing over the last decades. Under these conditions, radiative heat transfer is significant and its influence on flame structure and wall temperatures is noticeable. It is therefore essential to be able to accurately model this transfer mode on very heterogeneous industrial cases and on mesh of several hundred million cells. Common resolution methods do not provide satisfactory accuracy in view of the growing needs. A fine resolution and the use of spectral gas models would be necessary but would imply a prohibitive consumption of computing resources.To overcome this problem, we propose in this work a new radiation modelling methodology based on Monte Carlo methods and Bayesian neural networks. The principle of the concept detailed in this manuscript starts with the sampling of reference points randomly drawn in the study domain. The radiative quantity of interest is computed at each of these points using a Monte Carlo method and a fine spectral model. The results of these calculations are then stored in a database on which a neural network is trained using a Levenberg-Marquardt algorithm. The Bayesian paradigm allows us to define the optimal topology of the network and to automatically adapt the set of parameters inherent to the network without user intervention. The trained network allows to reconstitute the flux or flux divergence fields within the domain. After a theoretical description of the notions used in this work, results on academic cases are presented in different configurations. We then demonstrate the ability of the developed method to model radiation in a participatory environment with very high accuracy and low computational costs
45
Sadeghsa, Shohre. "Prédiction, réseau de neurones et optimisation : applications aux domaines des agro-matériaux et de la télécommunication." Electronic Thesis or Diss., Amiens, 2021. http://www.theses.fr/2021AMIE0091.
Full textAbstract:
Dans un contexte de changements planétaires, l'utilisation d'agro-ressources dans les matériaux composites est une solution alternative à l'exploitation des ressources fossiles. Le développement d'agromatériaux contenant des végétaux enrobés nécessite de prendre en compte la disponibilité spatiale et temporelle des matières premières biosourcées, leur interchangeabilité et les conséquences sur les propriétés fonctionnelles résultantes. Face à la diversité des données à disposition, à la difficulté d'établir les relations de cause à effet et à la nécessaire gestion de l'imprévu, un système fiable et durable est nécessaire afin de produire un composite contenant un végétal enrobé avec une production à efficacité constante. Les méthodes d'intelligence artificielle doivent permettre d'améliorer la compréhension et le contrôle de la production liée aux matériaux concernés. Étant donné l'incertitude et la variabilité des données, nous avons appliqué l'apprentissage automatique et l'intelligence artificielle pour prédire les paramètres des expériences de manière dynamique. Un modèle pourra ainsi s'adapter en fonction des données d'apprentissage. Les prédictions sont dynamiques et les résultats sont influencés par les données. Le composite végétal est étudié sous trois aspects : prédiction de la résistance à la compression du composite, prédiction de la résistance à la flexion du composite et création d'un modèle de simulation afin de prédire les paramètres de test de résistance à la compression du composite. Le développement du composite végétal nécessite de prendre en compte les paramètres spécifiques des matières premières bio-sourcées tels que la disponibilité temporelle, l'interchangeabilité, et les conséquences sur les propriétés fonctionnelles résultantes. L'optimisation des composites végétaux peut être considérée comme un problème complexe lié à différents domaines tels que la biologie, la physico-chimie et l'ingénierie des procédés. L'optimisation et la production durables de matériaux végétaux nécessitent également une gestion de la localisation, la centralisation et la consolidation des sites de la chaîne d'approvisionnement. Les problèmes de la chaîne d'approvisionnement sont principalement la localisation des sites de production, le cheminement, l'ordonnancement, le stockage des matières premières, la distribution finale et la commercialisation. Le regroupement, la consolidation ou le clustering font référence à l'acte de fusionner deux ou plusieurs sites de supply-chain. Cela implique une réduction du nombre de centres existants. Afin de maintenir l'efficacité continue des chaînes d'approvisionnement et de production, chaque site doit offrir l'ensemble des services qui étaient servis par les sites remplacés. Le problème du regroupement peut se situer à tout niveau de la supply-chain. Le problème du k-clustering peut être défini dans une des deux parties de la chaîne d'approvisionnement qui sont en relation directe. Cette thèse a pour but de traiter la complexité rencontrée pour optimiser le composite végétal et assurer la durabilité des centres d'approvisionnement, de production et de commercialisation. Le premier objectif est atteint en optimisant les caractéristiques du matériau composite à l'aide de l'intelligence artificielle et est détaillé en première partie. Le second objectif est exposé dans la deuxième partie de cette étude. Il s'agit de la fusion des sites de la chaîne d'approvisionnement en utilisant la méthode du K-clustering. Différentes méthodes de solution d'optimisation sont proposées. L'approche transversale appliquée permettant la mise en œuvre de plusieurs compétences est présente dans l'unité de recherche EPROAD. Les méthodes proposées sont issues du domaine de l'intelligence artificielle, de la modélisation discrète issue des mathématiques appliquées, de l'analyse de sensibilité, et du domaine du génie des procédés pour le développement de méthodes coopératives intelligentesIn the context of global changes in the world, the use of vegetal resources in composite materials is an alternative solution to the exploitation of fossil resources. However, the development of the vegetal composite requires taking into account the time and space availability of bio-sourced raw materials, their interchangeability, and their consequences on resulting functional characteristics. Optimization of the vegetal composite faces a variety of available data, the complexity to establish cause and effect relationships, and the mandatory handling of unexpected events (such as disaster, crises, break down, etc, ...). Thus, a reliable and sustainable system is required in order to produce the vegetal composite with constant efficiency. Artificial intelligence methods should allow improving the understanding and control of the production related to the concerned materials. Considering the uncertainty and changeability of the data related to the vegetal materials, we applied machine learning and artificial intelligence methods to predict the parameters of the experiments dynamically. A model can adapt itself based on the training data. Predictions are dynamic, and the results are data-oriented.Herein, the vegetal composite is studied with three aspects: to predict the compressive strength of the composite, to predict the flexural strength of the composite, and a simulation model to predict the parameters of the compressive composite strength test. To overcome the mentioned problems, artificial intelligence and machine learning methods are suggested as a solution that learns from the old data in order to converge towards better local optima. The development of the vegetal composite requires taking into account the specific parameters of the bio-sourced raw materials such as temporal availability, interchangeability, and the consequences on the resulting functional properties. Optimization of the vegetal composites can be viewed as a complex problem related to different domains such as biology, physico-chemistry, and process engineering. The sustainable optimization and production of the vegetal materials also require the localization, centralization, and consolidation of the supply chain sites. The supply chain problems consist of localizing the production sites, routing, and scheduling, and storage of raw materials, and final distribution and marketing. Regrouping, consolidating or clustering are referred to the act of merging two or more sites. It is the act of reducing the number of existing centers. In order to keep the continuous efficiency in the supply and production chains, each site has to provide the whole services that used to be served by the replaced sites. The regrouping problem can be seen in any part of this chain. The k-clustering problem can be defined in any of the two parts of the supply chain that are in direct relations. This thesis aims to deal with the complexity encountered to optimize the vegetal composite and to ensure the sustainability of the supply, production, and marketing sites. The former is achieved, in the first part, by optimizing the characteristics of the composite material using artificial intelligence methods. The latter is presented in the second part of this study. The proposed method merges the supply chain site(s) using the K-clustering problem. Different optimization solution methods are proposed. The applied transversal approach allowing the coupling of skills is presented within the research unit EPROAD. The proposed methods are from the field of artificial intelligence, combinatorial optimization, discrete modeling resulting from applied mathematics, sensitivity analysis, and the field of process engineering for the development of intelligent cooperative methods
46
Desmaisons, David. "Oscillations de réseau et synchronisation dans le bulbe olfactif : une étude in vitro." Paris 6, 2001. http://www.theses.fr/2001PA066415.
Full text
47
Tertois, Sylvain. "Réduction des effets des non-linéarités dans une modulation multiporteuse à l'aire de réseaux de neurones." Phd thesis, Université Rennes 1, 2003. http://tel.archives-ouvertes.fr/tel-00004015.
Full textAbstract:
Ce mémoire présente les travaux effectués au sein de l'équipe ETSN de Supélec, campus de Rennes, sur la réduction des effets des non linéarités dans une modulation OFDM, à l'aide de réseaux de neurones.Tout d'abord, le mémoire commence par une introduction aux communications numériques et en particulier à la modulation OFDM. Aujourd'hui, plusieurs standards reposent sur cette technique de transmission, en particulier en raison de la simplicité de l'égalisation du canal, et donc la possibilité de transmettre avec plus d'efficacité des données sur des canaux multitrajets. Cependant le signal OFDM temporel est particulièrement sensible aux non-linéarités présentes dans l'amplificateur d'émission et diverses techniques sont étudiées pour diminuer ces effets.
Ensuite, les réseaux de neurones sont présentés, ainsi que leur utilisation dans le domaine de l'approximation de fonctions. Après avoir décrit les deux modèles de réseaux de neurones les plus courants, les réseaux d'ordre supérieur, tels que le RPN, sont introduits. Les techniques d'apprentissage de ces différentes architectures de réseaux de neurones sont également décrites.
Dans les différents correcteurs étudiés dans cette thèse, le réseau de neurones est placé dans le récepteur, après l'égalisation de canal. Son objectif est de corriger le signal reçu afin de compenser les effets des non-linéarités. Dans un premier temps le réseau de neurones est placé dans le domaine fréquentiel. Dans un système OFDM à 4 porteuses avec une modulation MAQ16, un amplificateur de type SSPA, un recul de 0 dB et pour un taux d'erreur binaire de 10-2, le correcteur avec un réseau RPN apporte un gain de 1,5 dB de rapport signal sur bruit. Cependant des difficultés apparaissent durant la phase d'apprentissage du réseau de neurones avec un nombre de porteuses supérieur.
Pour palier ce défaut, les réseaux de neurones décrits précédemment sont simplifiés en étant placés dans le domaine temporel. Ce système est plus proche des solutions déjà proposées pour la compensation des non-linéarités dans une modulation monoporteuse, avec toutefois des différences au niveau de l'égalisation du canal et de la nature de la fonction que doit accomplir le réseau de neurones. Un correcteur basé sur un réseau RPN a montré de très bonnes performances, même en augmentant le nombre de porteuses. Un gain de 8 dB a été mesuré pour un taux d'erreur binaire de 10-2 dans un système OFDM à 48 porteuses, une modulation MAQ16 et un amplificateur de type SSPA avec un recul de 0 dB. Le système présenté permet donc dans ces conditions de diviser la puissance de l'amplificateur, et donc sa consommation d'énergie, par un facteur supérieur à 4 tout en conservant la même qualité de transmission.
Le correcteur à RPN dans le domaine temporel est ensuite simulé sur un canal multitrajet, afin de vérifier que la compensation reste efficace dans le cas d'un canal sévère. Enfin les deux approches proposées (fréquentielle et temporelle) sont comparées, au niveau des performances obtenues et de la puissance de calcul nécessaire dans le récepteur. Une comparaison avec une autre approche proposée dans la littérature est également présentée. Le correcteur temporel basé sur un RPN est bien moins complexe que le système cité, au détriment d'une légère dégradation des performances.
Ce mémoire se conclut par quelques perspectives de recherche pouvant prolonger les travaux accomplis durant cette thèse.
48
Zoungrana, Ouinlassida Robert. "Etude extracellulaire et intracellulaire du réseau neuronique programmant la déglutition : effets de la stimulation des afférences linguales, vagales et du cortex masticateur." Aix-Marseille 3, 1994. http://www.theses.fr/1994AIX30023.
Full textAbstract:
Chez le mouton anesthesie, la sequence motrice de deglutition peut etre retardee, supprimee ou arretee par stimulation des afferentes linguales (nerfs lingual et glossopharyngien) ou du cortex masticateur. Les influx inhibiteurs, en agissant sur le reseau neuronique bulbaire qui programme la deglutition (motoneurones et interneurones), pourraient permettre l'integration de cette fonction dans le comportement de prise alimentaire en assurant notamment l'enchainement mastication-deglutition lors de l'ingestion. Par ailleurs, en ce qui concerne la programmation de la sequence motrice de deglutition, des phenomenes d'inhibition (hyperpolarisation chlore dependante) ont ete mis en evidence sur les motoneurones du noyau ambigu. Il s'agit, (1) d'une inhibition precoce et tres puissante qui interesse la quasi-totalite des motoneurones et dont la duree est plus courte pour les motoneurones buccopharynges (pharynx bas) que pour les motoneurones sophagiens, et (2) d'une inhibition plus tardive et plus legere (et de courte duree) qui n'interesse que les motoneurones sophagiens distaux. Ces deux types d'inhibition vraie sont tres certainement impliques dans les mecanismes nerveux qui programment la deglutition et la motricite sophagienne (peristaltisme primaire), notamment dans la polarisation fonctionnelle dans le sens oral-aboral du reseau neuronique deglutiteur (activation sequentielle des neurones commandant les differents segments du tractus deglutiteur)
49
Maktoobi, Sheler. "Couplage diffractif pour réseaux de neurones optiques." Thesis, Bourgogne Franche-Comté, 2020. http://www.theses.fr/2020UBFCD019.
Full textAbstract:
Les réseaux photoniques à haute performance peuvent être considérés comme des supports pour les futurs systèmes de calcul. Contrairement à l'électronique, les systèmes photoniques offrent des avantages intéressants, par exemple la possibilité de réaliser des réseaux complètement parallèles. Récemment, les réseaux de neurones ont attiré l'attention de la communauté photonique. L'une des difficultés les plus importantes, en matière de réseaux photoniques parallèles à grande échelle, est la réalisation des connexions. La diffraction est exploitée ici comme méthode pour traiter les connexions entre les nœuds (couplage) dans les réseaux de neurones optiques. Dans cette thèse, nous étudions l'extensibilité d'un couplage diffractif en détails de la façon suivante :Tout d'abord, nous commençons par une introduction générale à propos de l'intelligence artificielle, de l'apprentissage machine, des réseaux de neurones artificiels et des réseaux de neurones photoniques. Lors de la conception d'un réseau neuronal fonctionnel, les règles de l'apprentissage machine sont des éléments essentiels pour optimiser une configuration et ainsi obtenir une faible erreur du système, donc les règles de l'apprentissage sont introduites (chapitre 1). Nous étudions les concepts fondamentaux du couplage diffractif dans notre réservoir spatio-temporel. Dans ce cas, la théorie de la diffraction est expliquée. Nous utilisons un schéma analytique pour fournir les limites en termes de taille des réseaux diffractifs, qui font partie intégrante de notre réseau neuronal photonique (chapitre 2). Les concepts du couplage diffractif sont étudiés expérimentalement dans deux expériences différentes afin de confirmer les limites obtenues analytiquement, et pour déterminer le nombre maximum de nœuds pouvant être couplés dans le réseau photonique (Chapitre 3). Les simulations numériques d'une telle expérience sont basées sur deux schémas différents pour calculer numériquement la taille maximale du réseau, qui approche une surface de 100 mm2 (chapitre 4). Enfin, l'ensemble du réseau neuronal photonique est démontré. Nous concevons un réservoir spatialement étendu sur 900 nœuds. En conséquence, notre système généralise la prédiction pour la séquence chaotique de Mackey-Glass (chapitre 5)Photonic networks with high performance can be considered as substrates for future computing systems. In comparison with electronics, photonic systems have substantial privileges, for instance the possibility of a fully parallel implementation of networks. Recently, neural networks have moved into the center of attention of the photonic community. One of the most important requirements for parallel large-scale photonic networks is to realize the connectivities. Diffraction is considered as a method to process the connections between the nodes (coupling) in optical neural networks. In the current thesis, we evaluate the scalability of a diffractive coupling in more details as follow:First, we begin with a general introductions for artificial intelligence, machine learning, artificial neural network and photonic neural networks. To establish a working neural network, learning rules are an essential part to optimize a configuration for obtaining a low error from the system, hence learning rules are introduced (Chapter 1). We investigate the fundamental concepts of diffractive coupling in our spatio-temporal reservoir. In that case, theory of diffraction is explained. We use an analytical scheme to provide the limits for the size of diffractive networks which is a part of our photonic neural network (Chapter 2). The concepts of diffractive coupling are investigated experimentally by two different experiments to confirm the analytical limits and to obtain maximum number of nodes which can be coupled in the photonic network (Chapter 3). Numerical simulations for such an experimental setup is modeled in two different schemes to obtain the maximum size of network numerically, which approaches a surface of 100 mm2 (Chapter 4). Finally, the complete photonic neural network is demonstrated. We design a spatially extended reservoir for 900 nodes. Consequently, our system generalizes the prediction for the chaotic Mackey–Glass sequence (Chapter 5)
50
Soula, Hédi. "Dynamique et plasticité dans les réseaux de neurones à impulsions : étude du couplage temporel réseau / agent / environnement." Lyon, INSA, 2005. http://theses.insa-lyon.fr/publication/2005ISAL0056/these.pdf.
Full textAbstract:
Dans ce travail, une approche de "vie artificielle" est utilisée pour étudier le support neural des comportements. Un comportement est issu d'une bonne adéquation entre le système de contrôle, les capacités sensori-motrices de l'agent et de l'environnement. Dans un paradigme dynamique, un comportement est ainsi un attracteur dans l'espace perception/action - composé de la dynamique interne du contrôleur et de celle obtenue par l'évolution de l'agent. La dynamique neurale est à l'origine de la dynamique interne. L'apprentissage de comportement revient donc à coupler ces deux dynamiques. Nous introduisons, dans un premier temps, une étude détaillée de la dynamique nerveuse dans le cas de réseaux de neurones à impulsions. En mode spontané (c'est-à-dire sans entrées), ces réseaux opèrent de manière non triviale. Selon les paramètres de la distribution de poids synaptiques, nous sommes en mesure d'estimer complètement l'activité de décharge. On montre l'existence d'une bifurcation pour le paramètre de couplage : la variance de la distribution. Nous montrons aussi que ce facteur de couplage mesure le charactère chaotique du fonctionnement du réseau. Pour apprendre des comportement, nous utilisons un algorithme biologiquement plausible la Spike-Time Dependent Plasticity qui permet de coupler la dynamique neurale. Nous montrons en dynamique spontanée l'influence des paramètres d'apprentissage sur le fonctionnement du réseau. Nous montrons que la STDP permet de rester dans un régime "au bord du chaos". Dans le but de valider cette approche, nous utilisons le réseau pour controler un robot qui doit apprendre à éviter les obstacles en servant uniquement du flot visuelAn «artificial life » approach is conducted in order to assess the neural basis of behaviours. Behaviour is the consequence of a good concordance between the controller, the agent’s sensori-motors capabilities and the environment. Within a dynamical system paradigm, behaviours are viewed as attractors in the perception/action space – derived from the composition of the internal and external dynamics. Since internal dynamics is originated by the neural dynamics, learning behaviours therefore consists on coupling external and internal dynamics by modifying network’s free parameters. We begin by introducing a detailed study of the dynamics of large networks of spiking neurons. In spontaneous mode (i. E. Without any input), these networks have a non trivial functioning. According to the parameters of the weight distribution and provided independence hypotheses, we are able to describe completely the spiking activity. Among other results, a bifurcation is predicted according to a coupling factor (the variance of the distribution). We also show the influence of this parameter on the chaotic dynamics of the network. To learn behaviours, we use a biologically plausible learning paradigm – the Spike-Timing Dependent Plasticity (STDP) that allows us to couple neural and external dynamics. Applying shrewdly this learning law enables the network to remain “at the edge of chaos” which corresponds to an interesting state of activity for learning. In order to validate our approach, we use these networks to control an agent whose task is to avoid obstacles using only the visual flow coming from its linear camera. We detail the results of the learning process for both simulated and real robotics platform