Dissertations / Theses: 'Apprentissage de structures causales'

1

Assaad, Charles. "Découvertes de relations causales entre séries temporelles." Electronic Thesis or Diss., Université Grenoble Alpes, 2021. http://www.theses.fr/2021GRALM019.

Full text

Abstract:

Cette thèse a pour but d'expliquer les concepts et principes centraux de la causalité. Nous nous intéresserons particulièrement à la découverte causale à partir de séries temporelles, domaine émergent aujourd’hui avec, notamment, les données industrielles de capteurs. Dans les deux premiers chapitres, nous présentons les concepts puis les algorithmes existants dans ce domaine. Ensuite, nous présentons une nouvelle approche qui infère un graphe récapitulatif du système causal sous-jacent aux séries temporelles tout en assouplissant le cadre idéalisé de fréquences d'échantillonnage égaux, tout en discutant ses hypothèses et sa validité. La principale nouveauté dans cette méthode réside dans l'introduction de la mesure d'information mutuelle temporelle causale qui permet de détecter l'indépendance et l'indépendance conditionnelle entre deux séries temporelles, et l’établissement d'un lien apparent entre l'entropie et le principe d'augmentation de la probabilité d'un effet sachant sa cause, lien qui peut être utilisé pour construire de nouvelles règles pour l'orientation de la direction de la causalité. De plus, à travers le développement de la première méthode, nous proposons plusieurs extensions qui permettent de gérer les causes communes cachées, de déduire un graphe causal temporel à partir d'un graphe récapitulatif et de pouvoir s’adapter aux données ordonnées (pas nécessairement temporelles). Puis, nous nous concentrons sur la découverte de relations causales à partir d'une distribution statistique qui n'est pas entièrement fidèle au graphe causal réel et sur la distinction entre une cause commune et une cause intermédiaire même, en absence d'indicateur de temps. L'aspect clé de notre réponse à ce problème est le recours au principe du bruit additif pour déduire un supergraphe dirigé contenant le graphe causal. Pour converger vers le graphe causal, nous utilisons une nouvelle mesure appelée l'entropie de causalité temporelle qui élague pour chaque nœud du supergraphe dirigé, les parents qui en sont conditionnellement indépendants. En outre, nous explorons des extensions complémentaires de notre deuxième méthode qui impliquent une stratégie par paires et une stratégie multitâche. Nous effectuons une comparaison expérimentale approfondie des algorithmes proposés sur des ensembles de données à la fois synthétiques et réels et nous montrons leurs performances pratiques prometteuses: gain en complexité temporelle tout en préservant la précision
This thesis aims to give a broad coverage of central concepts and principles of causation and in particular the ones involved in the emerging approaches to causal discovery from time series.After reviewing concepts and algorithms, we first present a new approach that infer a summary graph of the causal system underlying the observational time series while relaxing the idealized setting of equal sampling rates and discuss the assumptions underlying its validity. The gist of our proposal lies in the introduction of the causal temporal mutual information measure that can detect the independence and the conditional independence between two time series, and in making an apparent connection between entropy and the probability raising principle that can be used for building new rules for the orientation of the direction of causation. Moreover, through the development of this base method, we propose several extensions, namely to handle hidden confounders, to infer a window causal graph given a summary graph, and to consider sequences instead of time series.Secondly, we focus on the discovery of causal relations from a statistical distribution that is not entirely faithful to the real causal graph and on distinguishing a common cause from an intermediate cause even in the absence of a time indicator. The key aspect of our answer to this problem is the reliance on the additive noise principle to infer a directed supergraph that contains the causal graph. To converge toward the causal graph, we use in a second step a new measure called the temporal causation entropy that prunes for each node of the directed supergraph, the parents that are conditionally independent of their child. Furthermore, we explore complementary extensions of our second base method that involve a pairwise strategy which reduces through multitask learning and a denoising technique, the number of functions that need to be estimated. We perform an extensive experimental comparison of the proposed algorithms on both synthetic and real datasets and demonstrate their promising practical performance: gaining in time complexity while preserving accuracy

APA, Harvard, Vancouver, ISO, and other styles

2

Li, Honghao. "Interpretable biological network reconstruction from observational data." Electronic Thesis or Diss., Université Paris Cité, 2021. http://www.theses.fr/2021UNIP5207.

Full text

Abstract:

Cette thèse porte sur les méthodes basées sur des contraintes. Nous présentons comme exemple l’algorithme PC, pour lequel nous proposons une modification qui garantit la cohérence des ensembles de séparation, utilisés pendant l’étape de reconstruction du squelette pour supprimer les arêtes entre les variables conditionnellement indépendantes, par rapport au graphe final. Elle consiste à itérer l’algorithme d’apprentissage de structure tout en limitant la recherche des ensembles de séparation à ceux qui sont cohérents par rapport au graphe obtenu à la fin de l’itération précédente. La contrainte peut être posée avec une complexité de calcul limitée à l’aide de la décomposition en block-cut tree du squelette du graphe. La modification permet d’augmenter le rappel au prix de la précision des méthodes basées sur des contraintes, tout en conservant une performance globale similaire ou supérieure. Elle améliore également l’interprétabilité et l’explicabilité du modèle graphique obtenu. Nous présentons ensuite la méthode basée sur des contraintes MIIC, récemment développée, qui adopte les idées du cadre du maximum de vraisemblance pour améliorer la robustesse et la performance du graphe obtenu. Nous discutons les caractéristiques et les limites de MIIC, et proposons plusieurs modifications qui mettent l’accent sur l’interprétabilité du graphe obtenu et l’extensibilité de l’algorithme. En particulier, nous mettons en œuvre l’approche itérative pour renforcer la cohérence de l’ensemble de séparation, nous optons pour une règle d’orientation conservatrice et nous utilisons la probabilité d’orientation de MIIC pour étendre la notation des arêtes dans le graphe final afin d’illustrer différentes relations causales. L’algorithme MIIC est appliqué à un ensemble de données d’environ 400 000 dossiers de cancer du sein provenant de la base de données SEER, comme benchmark à grande échelle dans la vie réelle
This thesis is focused on constraint-based methods, one of the basic types of causal structure learning algorithm. We use PC algorithm as a representative, for which we propose a simple and general modification that is applicable to any PC-derived methods. The modification ensures that all separating sets used during the skeleton reconstruction step to remove edges between conditionally independent variables remain consistent with respect to the final graph. It consists in iterating the structure learning algorithm while restricting the search of separating sets to those that are consistent with respect to the graph obtained at the end of the previous iteration. The restriction can be achieved with limited computational complexity with the help of block-cut tree decomposition of the graph skeleton. The enforcement of separating set consistency is found to increase the recall of constraint-based methods at the cost of precision, while keeping similar or better overall performance. It also improves the interpretability and explainability of the obtained graphical model. We then introduce the recently developed constraint-based method MIIC, which adopts ideas from the maximum likelihood framework to improve the robustness and overall performance of the obtained graph. We discuss the characteristics and the limitations of MIIC, and propose several modifications that emphasize the interpretability of the obtained graph and the scalability of the algorithm. In particular, we implement the iterative approach to enforce separating set consistency, and opt for a conservative rule of orientation, and exploit the orientation probability feature of MIIC to extend the edge notation in the final graph to illustrate different causal implications. The MIIC algorithm is applied to a dataset of about 400 000 breast cancer records from the SEER database, as a large-scale real-life benchmark

APA, Harvard, Vancouver, ISO, and other styles

3

Soldano, Henry. "Apprentissage : Paradigmes, Structures et abstractions." Habilitation à diriger des recherches, Université Paris-Nord - Paris XIII, 2009. http://tel.archives-ouvertes.fr/tel-00514160.

Full text

Abstract:

L'ensemble des travaux présentés relève de l'Apprentissage Artificiel, et aborde l'apprentissage supervisé, ainsi que l'aide à la découverte par la fouille de données. On se place ici dans le cas où un problème d'apprentissage passe par l'exploration d'un "Espace de Recherche", constitué de représentations formées dans un certain langage d'énoncés. La structure cachée liant "énoncés" et sous-ensembles d'"objets", représentable dans un treillis intension/extension, permet en particulier de réduire l'espace de recherche dans les problèmes d'apprentissage supervisé. Je présente ensuite une forme d'"abstraction" ordonnée faisant varier le niveau de granularité des énoncés, ou des objets considérés, et garantissant que le treillis intension/extension est ainsi lui-même réduit. Certains travaux concernant la recherche de motifs séquentiels réquents, sont également interprétés du point de vue de cette relation intension/extension. Enfin, deux "paradigmes" nouveaux en apprentissage supervisé sont présentés, l'un traitant de la notion d'ambiguïté des exemples, l'autre étendant l'apprentissage supervisé cohérent dans un cadre collectif.

APA, Harvard, Vancouver, ISO, and other styles

4

Tommasi, Marc. "Structures arborescentes et apprentissage automatique." Habilitation à diriger des recherches, Université Charles de Gaulle - Lille III, 2006. http://tel.archives-ouvertes.fr/tel-00117063.

Full text

Abstract:

Le programme de recherches présenté dans cette synthèse s'inscrit dans la double problématique de l'étude des langages d'arbres et de l'apprentissage automatique à partir de données arborescentes.
À la base de ce travail se trouve la question de l'accès et de la manipulation automatique d'informations au format XML au sein d'un réseau d'applications réparties dans internet. La réalisation de ces applications est toujours du ressort de programmeurs spécialistes d'XML et reste hors de portée de l'utilisateur final. De plus, les développements récents d'internet poursuivent l'objectif d'automatiser les communications entre applications s'échangeant des flux de données XML. Le recours à des techniques d'apprentissage automatique est une réponse possible à cette situation.
Nous considèrons que les informations sont décrites dans un langage XML, et dans la perspective de ce mémoire, embarquées dans des données structurées sous forme arborescente. Les applications sont basées alors sur des opérations élémentaires que sont l'interrogation ou les requêtes dans ces documents arborescents ou encore la transformation de tels documents.
Nous abordons alors la question sous l'angle de la réalisation automatique de programmes d'annotation d'arbres, permettant de dériver des procédures de transformation ou d'exécution de requêtes. Le mémoire décrit les contributions apportées pour la manipulation et l'apprentissage d'ensembles d'arbres d'arité non bornée (comme le sont les arbres XML), et l'annotation par des méthodes de classification supervisée ou d'inférence statistique.

APA, Harvard, Vancouver, ISO, and other styles

5

Ben, Hassena Anouar. "Apprentissage par analogie de structures d'arbres." Rennes 1, 2012. http://www.theses.fr/2011REN1E007.

Full text

Abstract:

Les travaux de cette thèse s'inscrivent dans la continuité des travaux faites sur le thème d'apprentissage par analogie dans le projet CORDIAL de l'IRISA. Les efforts précédents ont porté sur l'étude de la proportion analogique dans le cas des objets numériques et symboliques, puis dans le cas de séquences de ces objets, ainsi que sur l'utilisation de ces notions pour l'apprentissage. Nous nous intéressons ici, dans nos travaux, à l'application de ce concept en apprentissage automatique pour le Traitement automatique du langage naturel (TALN), notamment pour l'analyse syntaxique et pour la génération de la prosodie en synthèse de parole. Ceci nécessite de définir le concept de proportion analogique entre quatre structures d'arbres. Notre approche trouve son originalité dans l'utilisation des propriétés hiérarchiques des structures manipulées et dans l'utilisation de mesure de dissemblance analogique (DA) entre ces structures. Son intérêt réside donc dans son adaptation facile à différents contextes et différentes données, quand ceux-ci sont propices à une représentation arborescente. Dans ce cadre, deux algorithmes ont été mis en place pour calculer la DA entre quatre structures d'arbres et pour résoudre une équation analogique. Le principe de notre démarche réside à étendre la notion connue d'alignement entre deux arbres à quatre (ou un plus grand nombre) d'arbres et de profiter des propriétés de l'alignement lors de la définition de l'analogie sur les structures d'arbres en question. Les applications de notre démarche se sont attachées à des problèmes de traitement de langue, notamment en analyse syntaxique et la génération de paramètres prosodiques. Le principe est le même dans les deux cas. Pour ce faire, il est nécessaire de détecter une dissemblance analogique dans le domaine source et de faire l'hypothèse qu'elle pourrait s'appliquer dans le domaine cible. Les résultats se sont montrés encourageants dans leur globalité, en tout cas comparés à la méthode du plus proche voisin. De profondes améliorations sont encore nécessaires, principalement dans la complexité des algorithmes. Nous souhaitons que leur réalisation ultérieure permette d'appliquer cette méthode, qui nous semble prometteuse, à des problèmes variés.

APA, Harvard, Vancouver, ISO, and other styles

6

Affeldt, Séverine. "Reconstruction de réseaux fonctionnels et analyse causale en biologie des systèmes." Thesis, Paris 6, 2015. http://www.theses.fr/2015PA066171/document.

Full text

Abstract:

L'inférence de la causalité est une problématique récurrente pour un large éventail de domaines où les méthodes d'interventions ou d'acquisition de données temporelles sont inapplicables. Toutefois, établir des relations de causalité uniquement à partir de données d'observation peut se révéler être une tâche complexe. Je présente ici une méthode d'apprentissage de réseaux qui combine les avantages des méthodes d'inférence par identification de contraintes structurales et par optimisation de scores bayésiens pour reconstruire de manière robuste des réseaux causaux malgré le bruit d'échantillonnage inhérent aux données d'observation. Cette méthode repose sur l'identification de v-structures à l'aide de l'information (conditionnelle) à trois variables, une mesure issue de la théorie de l'information, qui est négative quand elle est associée à un collider et positive sinon. Cette approche soustrait itérativement l'information conditionnelle à trois variables la plus forte à l'information conditionnelle à deux variables entre chaque paire de noeuds. Les indépendences conditionnelles sont progressivement calculées en collectant les contributions les plus fortes. Le squelette est ensuite partiellement orienté et ces orientations sont propagées aux liens non orientés selon le signe et la force de l'interaction dans les triplets ouverts. Cette approche obtient de meilleurs résultats que les méthodes par contraintes ou optimisation de score sur un ensemble de réseaux benchmark et fournit des prédictions prometteuses pour des systèmes biologiques complexes, tels que les réseaux neuronaux du poisson zèbre ou l'inférence des cascades de mutations dans les tumeurs
The inference of causality is an everyday life question that spans a broad range of domains for which interventions or time-series acquisition may be impracticable if not unethical. Yet, elucidating causal relationships in real-life complex systems can be convoluted when relying solely on observational data. I report here a novel network reconstruction method, which combines constraint-based and Bayesian frameworks to reliably reconstruct networks despite inherent sampling noise in finite observational datasets. The approach is based on an information theory result tracing back the existence of colliders in graphical models to negative conditional 3-point information between observed variables. This enables to confidently ascertain structural independencies in causal graphs, based on the ranking of their most likely contributing nodes with (significantly) positive conditional 3-point information. Dispensible edges from a complete undirected graph are progressively pruned by iteratively taking off the most likely positive conditional 3-point information from the 2-point (mutual) information between each pair of nodes. The resulting skeleton is then partially directed by orienting and propagating edge directions based on the sign and magnitude of the conditional 3-point information of unshielded triples. This new approach outperforms constraint-based and Bayesian inference methods on a range of benchmark networks and provides promising predictions when applied to the reconstruction of complex biological systems, such as hematopoietic regulatory subnetworks, zebrafish neural networks, mutational pathways or the interplay of genomic properties on the evolution of vertebrates

APA, Harvard, Vancouver, ISO, and other styles

7

Dinh, Quang-Thang. "Apprentissage statistique relationnel : apprentissage de structures de réseaux de Markov logiques." Phd thesis, Université d'Orléans, 2011. http://tel.archives-ouvertes.fr/tel-00659738.

Full text

Abstract:

Un réseau logique de Markov est formé de clauses en logique du premier ordre auxquelles sont associés des poids. Cette thèse propose plusieurs méthodes pour l'apprentissage de la structure de réseaux logiques de Markov (MLN) à partir de données relationnelles. Ces méthodes sont de deux types, un premier groupe reposant sur les techniques de propositionnalisation et un second groupe reposant sur la notion de Graphe des Prédicats. L'idée sous-jacente aux méthodes à base de propositionnalisation consiste à construire un jeu de clauses candidates à partir de jeux de littéraux dépendants. Pour trouver de tels jeux, nous utilisons une méthode de propositionnalisation afin de reporter les informations relationnelles dans des tableaux booléens, qui serviront comme tables de contingence pour des test de dépendance. Nous avons proposé deux méthodes de propositionnalisation, pour lesquelles trois algorithmes ont été développés, qui couvrent les problèmes d'appprentissage génératif et discriminant. Nous avons ensuite défini le concept de Graphe des Prédicats qui synthétise les relations binaires entre les prédicats d'un domaine. Des clauses candidates peuvent être rapidement et facilement produites en suivant des chemins dans le graphe puis en les variabilisant. Nous avons développé deux algorithmes reposant sur les Graphes des Prédicats, qui couvrent les problèmes d'appprentissage génératif et discriminant.

APA, Harvard, Vancouver, ISO, and other styles

8

Tillmann, Barbara. "Perception des structures musicales : apprentissage et modélisation." Dijon, 1999. http://www.theses.fr/1999DIJOL026.

Full text

Abstract:

Un auditeur occidental développe une sensibilité aux régularités du système musical tonal par simple exposition répétée aux pièces issues de ce système. Une fois acquises, ces connaissances lui permettraient de construire une présentation mentale de la structure de l’œuvre entendue. Notre travail de recherche porte sur la perception de grandes structures musicales, sur le rôle des connaissances tonales lors du traitement et sur l’acquisition de ces connaissances. Le premier volet de recherche s’intéresse à la perception des structures globales et locales dans des pièces musicales réelles. Différents paradigmes expérimentaux (jugements d’expressivité et de cohérence, résolution de « puzzle musical », détection et reconnaissance d’extraits cibles) montrent que les structures locales prédominent sur les structures globales. Ces dernières ne semblent avoir que peu d’importance pour l’auditeur dans des pièces d’une durée de 3 min. Ou de 20 sec. Le deuxième volet étudie la contribution des connaissances lors du traitement des structures d’événements dans de courtes séquences (de 8 à 14 accords). Le paradigme d’amorçage harmonique met en évidence une influence des structures globales et locales sur le traitement d’un accord. Des simulations réalisées avec un modèle connexionnistes d’une représentation des connaissances tonales (Bharucha, 1987) suggèrent que l’influence des structures émerge d’une simple activation des connaissances et de leur accumulation au cours du temps – sans intégration hiérarchique dans une structure d’ensemble. Des modèles connexionnistes permettent de simuler la capacité du système cognitif à extraire des régularités sous-jacentes de l’environnement. Dans le troisième volet, nous réalisons de simulations d’apprentissage des régularités du système tonal à l’aide des algorithmes d’apprentissage non supervisé. Le réseau doté d’un mécanisme de propagation d’activation permet de simuler des données expérimentales sur la perception des notes, des accords et des tonalités. L’ensemble de résultats conduit à concevoir le traitement des structures d’événements en termes d’accumulation des informations plutôt qu’en terme d’intégration hiérarchique des informations au sens strict
Western listeners acquire a sensitivity to the regularities of the tonal system of Western music by mere exposure to tonal musical pieces. Once acquired, this knowledge allows the construction of a mental representation of the structure of tonal musical pieces. The present research examines the perception of large musical structures, the contribution of tonal knowledge in this processing and the acquisition of this knowledge. The first part of the research investigates the perception of global and local structures in real musical pieces. Different experimental paradigms (judgments of expressivity and coherence, resolution of “musical puzzles”, target detection and recognition) provide evidence that local structures prevail over global structures. Global structures seem to have relatively little importance for the listener in pieces of 3 min. Or 20 sec in length. The second part examines the contribution of tonal knowledge to the processing of event structures in short sequences (8 to 14 chords). The harmonic priming paradigm reveals an influence of global and local structures on chord processing. Simulations with a connectionist model of tonal knowledge representation (Bharucha, 1987) suggest that the influence of the structures emerges from simple activation of tonal knowledge and its accumulation over time – without hierarchical integration in an overall structure. Connectionist models allow modeling of the capacity of the cognitive system to extract underlying regularities from the environment. In the third part, learning simulations of the tonal system are realized with the help of an unsupervised learning algorithm. The network, combined with a spreading activation mechanism, allows modeling of experimental data on the processing of event structures in terms of information accumulation rather than in terms of a hierarchical integration strictly speaking

APA, Harvard, Vancouver, ISO, and other styles

9

Déguernel, Ken. "Apprentissage de structures musicales en contexte d'improvisation." Thesis, Université de Lorraine, 2018. http://www.theses.fr/2018LORR0011/document.

Full text

Abstract:

Les systèmes actuels d’improvisation musicales sont capables de générer des séquences musicales unidimensionnelles par recombinaison du matériel musical. Cependant, la prise en compte de plusieurs dimensions (mélodie, harmonie...) et la modélisation de plusieurs niveaux temporels sont des problèmes difficiles. Dans cette thèse, nous proposons de combiner des approches probabilistes et des méthodes issues de la théorie des langages formels afin de mieux apprécier la complexité du discours musical à la fois d’un point de vue multidimensionnel et multi-niveaux dans le cadre de l’improvisation où la quantité de données est limitée. Dans un premier temps, nous présentons un système capable de suivre la logique contextuelle d’une improvisation représentée par un oracle des facteurs tout en enrichissant son discours musical à l’aide de connaissances multidimensionnelles représentées par des modèles probabilistes interpolés. Ensuite, ces travaux sont étendus pour modéliser l’interaction entre plusieurs musiciens ou entre plusieurs dimensions par un algorithme de propagation de croyance afin de générer des improvisations multidimensionnelles. Enfin, nous proposons un système capable d’improviser sur un scénario temporel avec des informations multi-niveaux représenté par une grammaire hiérarchique. Nous proposons également une méthode d’apprentissage pour l’analyse automatique de structures temporelles hiérarchiques. Tous les systèmes sont évalués par des musiciens et improvisateurs experts lors de sessions d’écoute
Current musical improvisation systems are able to generate unidimensional musical sequences by recombining their musical contents. However, considering several dimensions (melody, harmony...) and several temporal levels are difficult issues. In this thesis, we propose to combine probabilistic approaches with formal language theory in order to better assess the complexity of a musical discourse, both from a multidimensional and multi-level point of view in the context of improvisation where the amount of data is limited. First, we present a system able to follow the contextual logic of an improvisation modelled by a factor oracle whilst enriching its musical discourse with multidimensional knowledge represented by interpolated probabilistic models. Then, this work is extended to create another system using a belief propagation algorithm representing the interaction between several musicians, or between several dimensions, in order to generate multidimensional improvisations. Finally, we propose a system able to improvise on a temporal scenario with multi-level information modelled with a hierarchical grammar. We also propose a learning method for the automatic analysis of hierarchical temporal structures. Every system is evaluated by professional musicians and improvisers during listening sessions

APA, Harvard, Vancouver, ISO, and other styles

10

Daoudi, Abderrazak. "Acquisition de contraintes par apprentissage de structures." Thesis, Montpellier, 2016. http://www.theses.fr/2016MONTT316/document.

Full text

Abstract:

La Programmation par contraintes est un cadre général utilisé pour modéliser et résoudre des problèmes combinatoires complexes. Cependant, la modélisation d'un problème sous forme d’un réseau de contraintes nécessite une bonne expertise dans le domaine. Ce niveau d'expertise est un obstacle majeur pour une large diffusion de la programmation de contraintes. Pour remédier à ce problème, plusieurs systèmes d'acquisition de contraintes ont été proposés pour aider l'utilisateur dans la tâche de modélisation. Dans ces systèmes, l'utilisateur ne répond qu'à des questions très simples. L'inconvénient est que lorsqu'aucune connaissance de base n’est fournie, l'utilisateur peut avoir besoin de répondre à un grand nombre de questions pour apprendre toutes les contraintes. Dans cette thèse, nous montrons que l'utilisation de la structure du problème peut améliorer considérablement le processus d'acquisition. Pour ce faire, nous proposons plusieurs techniques. Tout d'abord, nous introduisons le concept de requête de généralisation basée sur une agrégation de variables sous forme detypes. Deuxièmement, pour faire face aux requêtes de généralisation, nous proposons un algorithme de généralisation de contraintes, nommé GENACQ, ainsi que plusieurs stratégies. Troisièmement, pour rendre la construction de requêtes de généralisation totalement indépendante de l'utilisateur, nous proposons l'algorithme MINE&ASK, qui est en mesure d'apprendre la structure au cours du processus d'acquisition de contraintes, et d'utiliser la structure apprise pour générer des requêtes de généralisation. Quatrièmement, pour aller vers un concept générique de requête, nous introduisons la requête de recommandation basée sur la prédiction de liens dans le graphe de contraintes apprises jusqu’à présent. Cinquièmement, nous proposons un algorithme de recommandation de contraintes, ppelé PREDICT&ASK, qui demande à l’utilisateur de classifier des requêtes de recommandation chaque fois que la structure du graphe courant a été modifiée. Enfin, nous intégrons toutes ces nouvelles techniques dans l’algorithme QUACQ, menant à trois nouvelles versions, à savoir G-QUACQ, M- QUACQ, et P-QUACQ. Pour évaluer toutes ces techniques, nous avons fait des expérimentations sur plusieurs jeux de données. Les résultats montrent que les versions étendues améliorent considérablement le QUACQ de base
Constraint Programming is a general framework used to model and solve complex combinatorial problems.However, modeling a problem as a constraint network requires significant expertise in the field.Such level of expertise is a bottleneck to the broader uptake of the constraint technology.To alleviate this issue, several constraint acquisition systems have been proposed to assist thenon-expert user in the modeling task. Nevertheless, in these systems the user is only asked to answervery basic questions. The drawback is that when no background knowledge is provided,the user may need to answer a large number of such questions to learn all the constraints.In this thesis, we show that using the structure of the problem under consideration may improvethe acquisition process a lot. To this aim, we propose several techniques.Firstly, we introduce the concept of generalization query based on an aggregation of variables into types.Secondly, to deal with generalization queries, we propose a constraint generalization algorithm, named GENACQ, together with several strategies. Thirdly, to make the build of generalization queries totally independent of the user, we propose the algorithm MINE&ASK, which is able to learn the structure, during the constraint acquisition process, and to use the learned structure to generate generalization queries. Fourthly, toward a generic concept of query, we introduce the recommendation query based on the link prediction on the current constraint graph. Fifthly, we propose a constraint recommender algorithm, called PREDICT&ASK, that asks recommendation queries, each time the structure of the current graph has been modified. Finally, we incorporate all these new generic techniques into QUACQ algorithm leading to three boosted versions, G-QUACQ, M- QUACQ, and P-QUACQ. To evaluate all these techniques, we have made experiments on several benchmarks. The results show that the extended versions improve drastically the basic QUACQ

APA, Harvard, Vancouver, ISO, and other styles

11

Mountassir, Mahjoub El. "Surveillance d'intégrité des structures par apprentissage statistique : application aux structures tubulaires." Thesis, Université de Lorraine, 2019. http://www.theses.fr/2019LORR0047.

Full text

Abstract:

Les approches de surveillance de l’intégrité des structures ont été proposées pour permettre un contrôle continu de l’état des structures en intégrant à celle-ci des capteurs intelligents. En effet, ce contrôle continu doit être effectué pour s’assurer du bon fonctionnement de celles-ci car la présence d’un défaut dans la structure peut aboutir à un accident catastrophique. Cependant, la variation des conditions environnementales et opérationnelles (CEO) dans lesquelles la structure évolue, impacte sévèrement les signaux collectés ce qui induit parfois une mauvaise interprétation de la présence du défaut dans la structure. Dans ce travail de thèse, l’application des méthodes d’apprentissage statistiques classiques a été envisagée dans le cas des structures tubulaires. Ici, les effets des paramètres de mesures sur la robustesse de ces méthodes ont été investiguées. Ensuite, deux approches ont été proposées pour remédier aux effets des CEO. La première approche suppose que la base de données des signaux de référence est suffisamment riche en variation des CEO. Dans ce cas, une estimation parcimonieuse du signal mesuré est calculée. Puis, l’erreur d’estimation est utilisée comme indicateur de défaut. Tandis que la deuxième approche est utilisée dans le cas où la base de données des signaux des références contient une variation limitée des CEO mais on suppose que celles-ci varient lentement. Dans ce cas, une mise à jour du modèle de l’état sain est effectuée en appliquant l’analyse en composante principale (PCA) par fenêtre mobile. Dans les deux approches, la localisation du défaut a été assurée en utilisant une fenêtre glissante sur le signal provenant de l’état endommagé
To ensure better working conditions of civil and engineering structures, inspections must be made on a regular basis. However, these inspections could be labor-intensive and cost-consuming. In this context, structural health monitoring (SHM) systems using permanently attached transducers were proposed to ensure continuous damage diagnostic of these structures. In SHM, damage detection is generally based on comparison between the healthy state signals and the current signals. Nevertheless, the environmental and operational conditions will have an effect on the healthy state signals. If these effects are not taken into account they would result in false indication of damage (false alarm). In this thesis, classical machine learning methods used for damage detection have been applied in the case of pipelines. The effects of some measurements parameters on the robustness of these methods have been investigated. Afterthat, two approaches were proposed for damage diagnostic depending on the database of reference signals. If this database contains large variation of these EOCs, a sparse estimation of the current signal is calculated. Then, the estimation error is used as an indication of the presence of damage. Otherwise, if this database is acquired at limited range of EOCs, moving window PCA can be applied to update the model of the healthy state provided that the EOCs show slow and continuous variation. In both approaches, damage localization was ensured using a sliding window over the damaged pipe signal

APA, Harvard, Vancouver, ISO, and other styles

12

Affeldt, Séverine. "Reconstruction de réseaux fonctionnels et analyse causale en biologie des systèmes." Electronic Thesis or Diss., Paris 6, 2015. http://www.theses.fr/2015PA066171.

Full text

Abstract:

L'inférence de la causalité est une problématique récurrente pour un large éventail de domaines où les méthodes d'interventions ou d'acquisition de données temporelles sont inapplicables. Toutefois, établir des relations de causalité uniquement à partir de données d'observation peut se révéler être une tâche complexe. Je présente ici une méthode d'apprentissage de réseaux qui combine les avantages des méthodes d'inférence par identification de contraintes structurales et par optimisation de scores bayésiens pour reconstruire de manière robuste des réseaux causaux malgré le bruit d'échantillonnage inhérent aux données d'observation. Cette méthode repose sur l'identification de v-structures à l'aide de l'information (conditionnelle) à trois variables, une mesure issue de la théorie de l'information, qui est négative quand elle est associée à un collider et positive sinon. Cette approche soustrait itérativement l'information conditionnelle à trois variables la plus forte à l'information conditionnelle à deux variables entre chaque paire de noeuds. Les indépendences conditionnelles sont progressivement calculées en collectant les contributions les plus fortes. Le squelette est ensuite partiellement orienté et ces orientations sont propagées aux liens non orientés selon le signe et la force de l'interaction dans les triplets ouverts. Cette approche obtient de meilleurs résultats que les méthodes par contraintes ou optimisation de score sur un ensemble de réseaux benchmark et fournit des prédictions prometteuses pour des systèmes biologiques complexes, tels que les réseaux neuronaux du poisson zèbre ou l'inférence des cascades de mutations dans les tumeurs
The inference of causality is an everyday life question that spans a broad range of domains for which interventions or time-series acquisition may be impracticable if not unethical. Yet, elucidating causal relationships in real-life complex systems can be convoluted when relying solely on observational data. I report here a novel network reconstruction method, which combines constraint-based and Bayesian frameworks to reliably reconstruct networks despite inherent sampling noise in finite observational datasets. The approach is based on an information theory result tracing back the existence of colliders in graphical models to negative conditional 3-point information between observed variables. This enables to confidently ascertain structural independencies in causal graphs, based on the ranking of their most likely contributing nodes with (significantly) positive conditional 3-point information. Dispensible edges from a complete undirected graph are progressively pruned by iteratively taking off the most likely positive conditional 3-point information from the 2-point (mutual) information between each pair of nodes. The resulting skeleton is then partially directed by orienting and propagating edge directions based on the sign and magnitude of the conditional 3-point information of unshielded triples. This new approach outperforms constraint-based and Bayesian inference methods on a range of benchmark networks and provides promising predictions when applied to the reconstruction of complex biological systems, such as hematopoietic regulatory subnetworks, zebrafish neural networks, mutational pathways or the interplay of genomic properties on the evolution of vertebrates

APA, Harvard, Vancouver, ISO, and other styles

13

Perreault, Samuel. "Structures de corrélation partiellement échangeables : inférence et apprentissage automatique." Doctoral thesis, Université Laval, 2020. http://hdl.handle.net/20.500.11794/66443.

Full text

APA, Harvard, Vancouver, ISO, and other styles

14

François, Clément. "Apprentissage implicite des structures linguistiques et musicales : approche multi-méthodologique." Thesis, Aix-Marseille 2, 2011. http://www.theses.fr/2011AIX20673/document.

Full text

Abstract:

Les objectifs de cette thèse sont multiples. Le premier objectif est de comparer, aux niveaux comportemental et électrophysiologique, l'apprentissage implicite de structures linguistiques et musicales après l'écoute d'un langage artificiel chanté. Alors qu'au niveau comportemental, seule la structure linguistique semble être apprise, les résultats électrophysiologiques révèlent un effet N400 pour les deux dimensions, linguistique et musicale. Le deuxième objectif de cette thèse est d'évaluer comment cet apprentissage est influencé par l'expertise musicale. Nous avons comparé un groupe d'adultes musiciens à un groupe de non musiciens. Alors qu'au niveau comportemental les musiciens sont à peine meilleurs que les non musiciens dans les deux dimensions, les données électrophysiologiques révèlent, via des différences précoces (N1/P2) et tardives (N400), une meilleure segmentation chez les musiciens. De plus, les analyses en potentiels évoqués et en temps-fréquences des données électrophysiologiques enregistrées pendant les phases d'apprentissage révèlent que les musiciens apprennent plus rapidement que les non musiciens. Cependant, un lien de causalité quant aux effets de l'apprentissage de la musique ne peut être mis en évidence qu'en réalisant une étude longitudinale. Nous avons mené une telle étude chez des enfants de 8 ans à qui l'on a fait suivre un apprentissage de la musique ou de la peinture pendant 2 années. Les résultats comportementaux et électrophysiologiques révèlent un large bénéfice de l'apprentissage musical comparé à celui de la peinture démontrant l'importance de la musique dans l'éducation des enfants
The aims of the present thesis were two-folded. Firstly, we wanted to compare behavioral and electrophysiological measures related to the implicit learning of linguistic and musical structures contained within an artificial sung language. While behavioral measures suggest that only the linguistic structure was learned, electrophysiological data revealed similar N400 effects in both linguistic and musical dimensions, suggesting that participants did also learn the musical structure. The second goal was to evaluate to what extent musical expertise can affect speech segmentation. At this aim, we compared a group of adult musicians to a group of nonmusicians. While behavioral data showed that musicians had marginally better performance than non musicians in both dimensions, electrophysiological data revealed, via early (N1/P2) and late (N400) differences, a better speech segmentation in musicians than in non musicians. Moreover, event-related potentials and time-frequency analyzes during learning revealed a faster and more efficient learning process in musicians. However, the only way to unambiguously claim causality between expertise and the observed effects requires a longitudinal approach. At this aim, we conducted a study with 8 year-old children who followed either music or painting lessons over a period of 2 years. Behavioral and electrophysiological data revealed a larger benefit of musical compared to painting training, bringing evidences for the importance of music in childrens' education

APA, Harvard, Vancouver, ISO, and other styles

15

Roques, Martine. "Apprentissage et reconnaissance de structures syntaxiques par une approche connexionniste." Paris 11, 1993. http://www.theses.fr/1993PA112433.

Full text

Abstract:

L'objet de cette these est l'etude de l'apprentissage automatique de structures syntaxiques dans un systeme connexionniste a propagation guidee, et l'exploitation de ces structures dans le cadre d'un systeme homogene de communication homme-machine. Cette homogeneite s'exprime par l'utilisation des memes mecanismes de traitement pour differents niveaux d'abstraction et pour differentes modalites de communication. De plus, les phases d'apprentissage et de reconnaissance ne sont pas dissociees. Le comportement du reseau varie en fonction des valeurs des parametres de propagation. L'apprentissage dans ce modele est a priori non supervise. Les structures syntaxiques sont construites a partir de corpus d'enonces en langage naturel. Trois strategies d'apprentissage par hierarchisation des reseaux sont etudiees afin d'ameliorer la qualite et la concision des representations. Le traitement de formes inattendues est realise par la creation de nouvelles structures ou par l'adaptation des structures existantes, suivant la valeur des parametres de propagation. Les representations obtenues sont exploitables de differentes facons: pour l'analyse des phrases, sous la forme de sequences de classes lexicales; pour la reconnaissance de structures inconnues ou deformees; pour la segmentation de la parole continue, par prediction de classes. Le systeme obtenu participera a l'analyse structurelle des enonces en langage naturel traites dans le systeme de communication homme-machine a propagation guidee

APA, Harvard, Vancouver, ISO, and other styles

16

Chiapino, Maël. "Apprentissage de structures dans les valeurs extrêmes en grande dimension." Thesis, Paris, ENST, 2018. http://www.theses.fr/2018ENST0035/document.

Full text

Abstract:

Nous présentons et étudions des méthodes d’apprentissage non-supervisé de phénomènes extrêmes multivariés en grande dimension. Dans le cas où chacune des distributions marginales d’un vecteur aléatoire est à queue lourde, l’étude de son comportement dans les régions extrêmes (i.e. loin de l’origine) ne peut plus se faire via les méthodes usuelles qui supposent une moyenne et une variance finies. La théorie des valeurs extrêmes offre alors un cadre adapté à cette étude, en donnant notamment une base théorique à la réduction de dimension à travers la mesure angulaire. La thèse s’articule autour de deux grandes étapes : - Réduire la dimension du problème en trouvant un résumé de la structure de dépendance dans les régions extrêmes. Cette étape vise en particulier à trouver les sous-groupes de composantes étant susceptible de dépasser un seuil élevé de façon simultané. - Modéliser la mesure angulaire par une densité de mélange qui suit une structure de dépendance déterminée à l’avance. Ces deux étapes permettent notamment de développer des méthodes de classification non-supervisée à travers la construction d’une matrice de similarité pour les points extrêmes
We present and study unsupervised learning methods of multivariate extreme phenomena in high-dimension. Considering a random vector on which each marginal is heavy-tailed, the study of its behavior in extreme regions is no longer possible via usual methods that involve finite means and variances. Multivariate extreme value theory provides an adapted framework to this study. In particular it gives theoretical basis to dimension reduction through the angular measure. The thesis is divided in two main part: - Reduce the dimension by finding a simplified dependence structure in extreme regions. This step aim at recover subgroups of features that are likely to exceed large thresholds simultaneously. - Model the angular measure with a mixture distribution that follows a predefined dependence structure. These steps allow to develop new clustering methods for extreme points in high dimension

APA, Harvard, Vancouver, ISO, and other styles

17

Chiapino, Maël. "Apprentissage de structures dans les valeurs extrêmes en grande dimension." Electronic Thesis or Diss., Paris, ENST, 2018. http://www.theses.fr/2018ENST0035.

Full text

Abstract:

Nous présentons et étudions des méthodes d’apprentissage non-supervisé de phénomènes extrêmes multivariés en grande dimension. Dans le cas où chacune des distributions marginales d’un vecteur aléatoire est à queue lourde, l’étude de son comportement dans les régions extrêmes (i.e. loin de l’origine) ne peut plus se faire via les méthodes usuelles qui supposent une moyenne et une variance finies. La théorie des valeurs extrêmes offre alors un cadre adapté à cette étude, en donnant notamment une base théorique à la réduction de dimension à travers la mesure angulaire. La thèse s’articule autour de deux grandes étapes : - Réduire la dimension du problème en trouvant un résumé de la structure de dépendance dans les régions extrêmes. Cette étape vise en particulier à trouver les sous-groupes de composantes étant susceptible de dépasser un seuil élevé de façon simultané. - Modéliser la mesure angulaire par une densité de mélange qui suit une structure de dépendance déterminée à l’avance. Ces deux étapes permettent notamment de développer des méthodes de classification non-supervisée à travers la construction d’une matrice de similarité pour les points extrêmes
We present and study unsupervised learning methods of multivariate extreme phenomena in high-dimension. Considering a random vector on which each marginal is heavy-tailed, the study of its behavior in extreme regions is no longer possible via usual methods that involve finite means and variances. Multivariate extreme value theory provides an adapted framework to this study. In particular it gives theoretical basis to dimension reduction through the angular measure. The thesis is divided in two main part: - Reduce the dimension by finding a simplified dependence structure in extreme regions. This step aim at recover subgroups of features that are likely to exceed large thresholds simultaneously. - Model the angular measure with a mixture distribution that follows a predefined dependence structure. These steps allow to develop new clustering methods for extreme points in high dimension

APA, Harvard, Vancouver, ISO, and other styles

18

Sablayrolles, Alexandre. "Mémorisation et apprentissage de structures d'indexation avec les réseaux de neurones." Thesis, Université Grenoble Alpes, 2020. https://thares.univ-grenoble-alpes.fr/2020GRALM044.pdf.

Full text

Abstract:

Les systèmes d’apprentissage machine, et en particulier les systèmes dits d’apprentissage profond, nécessitent de grandes quantités de données pour l’entraînement. En vision par ordinateur, les réseaux de neurones convolutionnels utilisés pour la classification d’images, la reconnaissance de scènes et la détection d’objets notamment sont entrainés sur des jeux de données dont la taille se situe entre quelques dizaines de milliers et quelques milliards d’exemples. Les modèles paramétriques ont une très large capacité, souvent du même ordre de grandeur que le nombre d’exemples. Dans cette thèse, nous nous intéressons aux aspects de mémorisation présents dans les réseaux de neurones, sous deux angles complémentaires:la mémorisation explicite, c’est-à-dire la mémorisation de tous les éléments d’un jeu de données et la mémorisation implicite, qui apparaît de façon non intentionnelle pendant l’apprentissage. Concernant la mémorisation explicite, nous proposons dans cette thèse un réseau de neurones qui approxime la fonction indicatrice d’un ensemble, et nous montrons que la capacité d’un tel réseau passe à l’échelle linéairement avec la taille de l’ensemble. Nous proposons alors une construction alternative pour l’appartenance à un ensemble, dans laquelle nous construisons un réseau de neurones qui produit des codes compacts, puis un système de recherche de plus proches voisins parmi ces codes compacts, séparant l’apprentissage de la distribution (fait par le réseau) du stockage des points individuels(les codes compacts), le premier étant indépendant du nombre d’exemples,et le deuxième passant à l’échelle linéairement en le nombre d’exemples.Ce système de recherche de plus proches voisins implémente une fonction plus générale, et peut être utilisé pour inférer l’appartenance à un ensemble.Dans la deuxième partie de cette thèse, nous nous intéressons à la mémorisation involontaire, et déterminons pour chaque exemple s’il faisait partie du jeu de données d’entraînement (inférence de l’appartenance). Nous effectuons une inférence empirique de l’appartenance sur de gros réseaux, à la fois sur des exemples isolés et sur des groupes d’exemples. Nous développons une analyse de l’inférence de l’appartenance, qui conduit à l’inférence Bayes-optimale; nous construisons plusieurs approximations qui donnent lieu à des résultats état de l’art en attaques d’appartenance. Enfin, nous élaborons une nouvelle technique dite de données radioactives, qui modifie légèrement des jeux de données afin que n’importe quel modèle entraîné sur ces données porte une marque identifiable
Machine learning systems, and in particular deep neural networks, aretrained on large quantities of data. In computer vision for instance, convolutionalneural networks used for image classification, scene recognition,and object detection, are trained on datasets which size ranges from tensof thousands to billions of samples. Deep parametric models have a largecapacity, often in the order of magnitude of the number of datapoints.In this thesis, we are interested in the memorization aspect of neuralnetworks, under two complementary angles: explicit memorization,i.e. memorization of all samples of a set, and implicit memorization,that happens inadvertently while training models. Considering explicitmemorization, we build a neural network to perform approximate setmembership, and show that the capacity of such a neural network scaleslinearly with the number of data points. Given such a linear scaling, weresort to another construction for set membership, in which we build aneural network to produce compact codes, and perform nearest neighborsearch among the compact codes, thereby separating “distribution learning”(the neural network) from storing samples (the compact codes), theformer being independent of the number of samples and the latter scalinglinearly with a small constant. This nearest neighbor system performs amore generic task, and can be plugged in to perform set membership.In the second part of this thesis, we analyze the “unintended” memorizationthat happens during training, and assess if a particular data pointwas used to train a model (membership inference). We perform empiricalmembership inference on large networks, on both individual and groupsof samples. We derive the Bayes-optimal membership inference, andconstruct several approximations that lead to state-of-the-art results inmembership attacks. Finally, we design a new technique, radioactive data,that slightly modifies datasets such that any model trained on them bearsan identifiable mark

APA, Harvard, Vancouver, ISO, and other styles

19

Lee, Yun-Ann. "Modélisation de structures syntaxiques complexes pour apprentissage de langue sur le réseau." Besançon, 2006. http://www.theses.fr/2006BESA1025.

Full text

Abstract:

Notre intention dans cette recherche est de construire une architecture gérant des ressources pédagogiques et en particulier un système d’enseignement de syntaxe du français, sur serveur, à l’intention d’apprenants universitaires chinois. Ce système sera accessible sur Internet pour toute personne de culture chinoise, disposant déjà d’un niveau correct en français et désireuse de perfectionner ses connaissances syntaxiques. La réalisation de ce projet exige de partir d'une situation de terrain, d'une situation linguistique, totalement décrites et de connaître le fonctionnement des outils nécessaires à sa mise en œuvre. Nous avons recours à une modélisation en Grammaire d'arbres adjoints (TAG), qui nous permet de mieux évaluer les différences entre les deux langues et d’en tenir compte pour la formalisation , la modélisation cognitive de l’apprentissage et la planification de nos didacticiels. Tenant compte aussi des résultats déjà obtenus dans les interfaces homme-machine, des programmes d’EAO et d’EIAO, de nos observations de terrain, nous tentons de dégager un outil qui permette à l’apprenant de se constituer un savoir syntaxique. Pensant qu’une approche empirique est insuffisante, nous nous appuyons sur des modèles théoriques des syntaxes chinoise et française, mais ne prenons en compte que la syntaxe complexe des deux langues, en particulier les phénomènes de subordination. Ce domaine est particulièrement redouté des apprenants, étant donné que ces deux langues sont de type très éloigné. Nous présentons une étude comparée des syntaxes chinoises et françaises. Nous soulignons les points de divergences syntaxiques ainsi que les problèmes des Chinois quand ils rédigent des phrases complexes en français. Ensuite, on essaie de tracer un classement comparatif des structures des syntaxes française et chinoise. Nous traitons d’abord les phrases françaises simples à tête verbale. Les arbres TAG de tous les exemples ainsi que le processus de construction des arbres sont présentés. Nous nous efforçons de dresser ensuite une typologie de la subordination française et chinoise. Nous classons les phrases selon le degré de différence entre les structures dans les deux langues. Le dernier type regroupe donc les phrases où il y a le moins de ressemblances entre le français et le chinois. Tous les types sont présentés sous forme d’arbres TAG. La dernière étape de cette thèse consiste à élaborer un logiciel implantable sur Internet correspondant à des séquences didactiques, gérant les apprentissages. Les concepts d’explication, de prise en charge des différents modèles d’apprentissage de langues, de niveau d’expertise permettent de traiter de façon adéquate tout apprenant ainsi que son cursus. Notre site prendra en compte l’autonomie des sujets. Des évaluations de la pertinence pédagogique de l’outil effectuée à la fin de cette recherche donnent une bonne direction à un perfectionnement du contenu, des progressions et de la planification de nos cours
The object of this research is to establish an internet accessible French syntax e-learning system especially for Chinese university students who have studied French and prepare to make further improvement on French syntax. In this dissertation, the Tree Adjoining Grammar (TAG) modularity is applied to evaluation of syntax key differences between French and Chinese and to design of our system. The subordinate clause, one of the most difficult part for Chinese students in French learning plays a major role in this analysis. A general comparative study on Chinese and French syntax is presented first. Two subjects are highlighted : the syntactic differences between two languages as well as problems of Chinese students when they write subordinate clauses. A comparative classification of French and Chinese syntactic structures is presented in two ways: one is examination of French simple phrases with verbal heads. All French-Chinese examples and the process of trees combination are demonstrated in TAG trees. The other is typology of French and Chinese subordination, classified according to the measurement of structure differences between two languages. So the first types are the same, and the last type assembles the sentences with the most significant dissimilar characteristics between French and Chinese. All types are presented in TAG trees. The final step of our research is to create a progressive e-learning system, which is divided into three parts: the first is 11 TAG lessons, the second is French simple phrases with verbal heads in 18 lessons and the last is French subordinate sentences in 25 lessons. The results of survey and test of applicants in the end of this dissertation demonstrate that the proposed approach (TAG) can adapt the e-learning and can further be used to improve the content, the progressions and the planning of our lessons in the future research

APA, Harvard, Vancouver, ISO, and other styles

20

Allègre, Olivier. "Adapting the Prerequisite Structure to the Learner in Student Modeling." Electronic Thesis or Diss., Sorbonne université, 2023. http://www.theses.fr/2023SORUS116.

Full text

Abstract:

Les modèles d'apprenant basés sur les données visent à représenter et comprendre les connaissances des élèves ainsi que leurs autres caractéristiques métacognitives pour soutenir leur apprentissage en faisant des prédictions sur leurs performances futures. La modélisation de l'apprenant peut être abordée en utilisant différentes modèles de système complexes, chacun offrant une perspective différente sur l'étudiant et le processus d'apprentissage. Les techniques d'apprentissage automatique améliorées par la représentation de la connaissance, telles que les réseaux bayésiens, sont particulièrement adaptées pour intégrer la connaissance de domaine dans le modèle de l'apprenant, ce qui en fait un outil précieux dans la modélisation des élèves. Ce travail explore la modélisation et les applications potentielles d'un nouveau cadre appelé E-PRISM (pour Embedding Prerequisite Relationships in Student Modeling), qui inclut un modèle d'apprenant basé sur les réseaux Bayésiens dynamiques. Il utilise une nouvelle architecture pour les réseaux bayésiens qui repose sur la clause d’indépendance des influences causales (ICI), qui réduit le nombre de paramètres dans le réseau et permet une interprétabilité améliorée. L'étude examine les points forts d'EPRISM, notamment sa capacité à considérer la structure préalable requise entre les composants de connaissances, son nombre limité de paramètres et son interprétabilité améliorée. L'étude introduit également une nouvelle approche pour l'inférence approximative dans les grands réseaux bayésiens basés sur la clause ICI, ainsi qu'un algorithme d'apprentissage de paramètres performant dans les réseaux bayésiens basés sur cette clause. Dans l'ensemble, l'étude démontre le potentiel d'E-PRISM comme outil prometteur pour découvrir la structure préalable requise des connaissances de domaine qui peuvent être adaptées à l'apprenant avec pour objectif d'améliorer l'adaptabilité de la boucle extérieure d’un tuteur intelligent
Data-driven learner models aim to represent and understand students' knowledge and other meta-cognitive characteristics to support their learning by making predictions about their future performance. Learner modeling can be approached using various complex system models, each providing a different perspective on the student and the learning process. Knowledge-enhanced machine learning techniques, such as Bayesian networks, are particularly well suited for incorporating domain knowledge into the learner model, making them a valuable tool in student modeling.This work explores the modeling and the potential applications of a new framework, called E-PRISM, for Embedding Prerequisite Relationships In Student Modeling, which includes a learner model based on dynamic Bayesian networks. It uses a new architecture for Bayesian networks that rely on the clause of Independence of Causal Influences (ICI), which reduces the number of parameters in the network and allows enhanced interpretability. The study examines the strengths of E-PRISM, including its ability to consider the prerequisite structure between knowledge components, its limited number of parameters, and its enhanced interpretability. The study also introduces a novel approach for approximate inference in large ICI-based Bayesian networks, as well as a performant parameter learning algorithm in ICI-based Bayesian networks. Overall, the study demonstrates the potential of E-PRISM as a promising tool for discovering the prerequisite structure of domain knowledge that may be adapted to the learner with the perspective of improving the outer-loop adaptivity

APA, Harvard, Vancouver, ISO, and other styles

21

Poulin-Charronnat, Bénédicte. "Effet d'expertise sur le traitement des structures musicales." Dijon, 2003. http://www.theses.fr/2003DIJOL012.

Full text

Abstract:

L'objectif de ce travail de thèse est d'évaluer comment la perception des structures musicales change en fonction de l'expertise des auditeurs. Une première série de quatre études utilisant le paradigme d'amorçage harmonique montre que les auditeurs musiciens et non-musiciens réagissent de manière identique aux facteurs manipulés et notamment, qu'ils sont plus sensibles aux manipulations cognitives qu'acoustiques. Ce premier résultat démontre que les auditeurs possèdent des connaissances sur le système tonal occidental, et ce, indépendamment de leur niveau d'expertise. Une cinquième étude a alors spécifiquement évalué l'expertise musicale en tentant de répliquer un effet largement observé dans les recherches sur les effets d'expertise. Une nouvelle absence de différence entre les musiciens et les non-musiciens laisse penser que non seulement, la musique s'acquiert par des procédures d'apprentissage implicite, mais qu'en plus, sa perception implique des processus qui sont eux-mêmes implicites. Dans une sixième étude, l'apprentissage implicite des régularités sous-jacentes à un nouveau système musical a été mis en évidence chez des auditeurs musiciens et non-musiciens. Il apparait que ces caractéristiques d'apprentissage et de traitement implicite de la musique sont similaires à celles du langage. Les deux dernières études ont mis en évidence des interactions entre musique et langage suggérant que notre cerveau, par parcimonie, pourrait utiliser des processus cognitifs identiques pour traiter les informations provenant de systèmes similaires
The purpose of the present thesis is to evaluate how the perception of musical structures changes according to the expertise of the listeners. A first set of four experiments using the harmonic priming paradigm shows that the listeners, musicians and non-musicians, behave in an identical way in response to the factors manipulated, and notably that they are more sensitive to the cognitive than to the acoustic manipulations. This first result demonstrates that the listeners possess knowledge of the Western tonal system, and independently of their degree of expertise. A fifth study has then specifically evaluated the musical expertise effect. Once again, an absence of difference between musicians and non-musicians suggest that not only music is something acquired by implicit learning procedures but in addition that the perception of music implies cognitive processes that are themselves implicit. In a sixth study, the implicit learning of regularities underlying a new musical system was shown in both musicians and non-musicians. It appears that the implicit characteristic of learning and processing of music are similar to those of language. The two last studies have shown interactions between language and music, suggesting that our brain, by parsimony, could have identical cognitive processes to treat information coming from similar systems

APA, Harvard, Vancouver, ISO, and other styles

22

Liquière, Michel. "Apprentissage à partir d'objets structurés : conception et réalisation." Montpellier 2, 1990. http://www.theses.fr/1990MON20038.

Full text

Abstract:

Ce travail porte sur la mise en evidence par apprentissage de regularites dans la description d'objets complexes. Pour la description des exemples, nous utilisons un formalisme objet base sur le modele des graphes conceptuels de sowa. La recherche de regularites valides est ramenee a la recherche de sous-graphes conceptuels, donc connexes, apparaissant souvent dans les graphes decrivant les exemples et rarement dans ceux decrivant les contre-exemples. Nous proposons un algorithme qui procede en deux etapes: 1) recherche de chemins conceptuels; 2) assemblage de ces chemins pour former des arbres conceptuels. Les regularites extraites par cette methode sont ensuite structurees par l'intermediaire d'un treillis de galois, ce qui permet de batir des methodes tres interessantes de decision et d'explication des resultats. Ces algorithmes ont ete exploites dans le domaine de la biologie sur des problemes de grandes tailles

APA, Harvard, Vancouver, ISO, and other styles

23

Seghouane, Abd-Krim. "Choix de structures de modèles pour traitement robuste." Paris 11, 2002. http://www.theses.fr/2002PA112244.

Full text

Abstract:

L'identification de modèles paramétriques constitue un domaine de recherche vivant où se rejoignent des disciplines aussi variées que les statistiques, l'économie, l'automatique et le traitement du signal. Définie comme la modélisation mathématique d'un processus à partir d'un ensemble de données expérimentales, l'identification de modèle a été traitée d'un point de vue théorique par de nombreux auteurs et trouve des applications pratiques dans des domaines très variés. Dans ce travail, nous nous sommes intéressés à la robustesse du modèle paramétrique et à celle de la procédure d'identification. Ceci nous a conduit à considérer différemment certaines hypothèses généralement faites dans le domaine. Dans un premier temps, des méthodes d'estimation de paramètres ont été développées. La propriété de robustesse au bruit affectant les entrées expérimentales nous a conduit à utiliser le modèle d'erreurs en les variables pour la construction de deux procédures d'estimation de paramètres. La propriété de robustesse au bruit sur les entrées de fonctionnement a été revue sous une autre forme et commentée. Un moyen garantissant l'efficacité des procédures d'estimation qui lui sont dédiées est proposé. Dans un second temps, nous nous sommes consacrés au problème de sélection de modèle. La méthode de sélection de modèle qui repose sur l'utilisation de la propriété de robustesse au bruit sur les entrées de fonctionnement est revue et discutée, et une amélioration est proposée. La philosophie sur laquelle repose la construction du critère AIC est utilisée pour la construction d'un nouveau critère de sélection de modèle qui est robuste lorsqu'il est appliqué aux jeux de données de faible taille. Cette philosophie est également adoptée pour la construction d'un nouveau critère de sélection de modèle qui est robuste aux jeux possédant des données manquantes
Parametric model identification is an important issue in various research areas like automatic, signal processing, economy and statistics. Defined as the mathematical description of a process from a set of empirical data, model identification have been treated from a theoretical view point by numerous authors and it has application in many practical areas. In this work, we have been interested in the robustness property of the parametrical model used for identification, and in the robustness of the identification procedures. This leads us to consider differently some hypotheses that are generally made in this area. In a first time, parametrical estimation methods have been developed. The error in variables model has been used to construct two parametrical estimation procedures that guaranty the robustness to noise on the experimental inputs. The robustness to noise on the operating inputs has been reviewed in different form and discussed. A means that guaranty the efficiency of the estimation procedures dedicated to this kind of robustness has been proposed. In a second time, we have oriented our interest to the model selection problem. The model selection method that lie on the use of the robustness to noise on the operating inputs property has been reviewed and discussed, and an amelioration has been proposed. The AIC criterion derivation philosophy has been used to construct and to propose another model selection criterion that is more robust for a small sample set. This philosophy is also used to construct a new model selection criterion that is more robust for sample set with missing data

APA, Harvard, Vancouver, ISO, and other styles

24

Pitiot, Alain. "Segmentation Automatique des Structures Cérébrales s'appuyant sur des Connaissances Explicites." Phd thesis, École Nationale Supérieure des Mines de Paris, 2003. http://pastel.archives-ouvertes.fr/pastel-00001346.

Full text

Abstract:

Nous proposons avec cette thèse un système de segmentation automatique pour les images cérébrales (en particulier les IRM in vivo). Nous avons mis l'accent sur la conception d'une méthodologie de segmentation qui s'appuie au maximum sur l'expertise médicale a priori. Nous appréhendons le problème de la recherche des contours des structures cibles sous l'angle du processus d'appariement d'un groupe de patrons déformables (maillages simplexes) aux frontières des structures. Ces patrons évoluent en parallèle, sous la supervision d'un ensemble de règles dérivées à la fois de l'analyse de la dynamique des patrons et de l'expertise médicale. Nous soumettons les patrons à une variété de contraintes,concues à partir d'informations a priori sur la texture, la forme et les propriétes histologiques des tissus sous-jacents aux structures. L'information texturale est extraite par un classificateur linéaire/non-linéaire qui prend la forme d'un réseau de neurones à 2 étages. Cette architecture hybride, liée à une phase d'apprentissage dynamique, permet de produire de meilleures cartes de classification et donc de meilleures contraintes. Une approche originale, par apprentissage, du problème de l'appariement dense d'objets n-D permet l'introduction de connaissances a priori dans l'élaboration des modèles de forme des structures cibles. Nous présentons également un nouveau descripteur de forme, le descripteur "observed transport", dont la robustesse au bruit et le pouvoir de discrémination accru en font un bon candidat pour notre stratégie d'appariement. Enfin, un modèle plus fidèle des transformations induites par les processus histologiques, l'approche affine par morceau, permet la conception d'un algorithme de recalage biomédical mieux adapté à la reconstruction de volumes histologiques 3-D.

APA, Harvard, Vancouver, ISO, and other styles

25

Leclerc, Sarah Marie-Solveig. "Automatisation de la segmentation sémantique de structures cardiaques en imagerie ultrasonore par apprentissage supervisé." Thesis, Lyon, 2019. http://www.theses.fr/2019LYSEI121.

Full text

Abstract:

L’analyse d’images médicales joue un rôle essentiel en cardiologie pour la réalisation du diagnostique cardiaque clinique et le suivi de l’état du patient. Parmi les modalités d’imagerie utilisées, l’imagerie par ultrasons, temps réelle, moins coûteuse et portable au chevet du patient, est de nos jours la plus courante. Malheureusement, l’étape nécessaire de segmentation sémantique (soit l’identification et la délimitation précise) des structures cardiaques est difficile en échocardiographie à cause de la faible qualité des images ultrasonores, caractérisées en particulier par l’absence d’interfaces nettes entre les différents tissus. Pour combler le manque d’information, les méthodes les plus performante, avant ces travaux, reposaient sur l’intégration d’informations a priori sur la forme ou le mouvement du cœur, ce qui en échange réduisait leur adaptabilité au cas par cas. De plus, de telles approches nécessitent pour être efficaces l’identification manuelle de plusieurs repères dans l’image, ce qui rend le processus de segmentation difficilement reproductible. Dans cette thèse, nous proposons plusieurs algorithmes originaux et entièrement automatiques pour la segmentation sémantique d’images échocardiographiques. Ces méthodes génériques sont adaptées à la segmentation échocardiographique par apprentissage supervisé, c’est-à-dire que la résolution du problème est construite automatiquement à partir de données pré- analysées par des cardiologues entraînés. Grâce au développement d’une base de données et d’une plateforme d’évaluation dédiées au projet, nous montrons le fort potentiel clinique des méthodes automatiques d’apprentissage supervisé, et en particulier d’apprentissage profond, ainsi que la possibilité d’améliorer leur robustesse en intégrant une étape de détection automatique des régions d’intérêt dans l’image
The analysis of medical images plays a critical role in cardiology. Ultrasound imaging, as a real-time, low cost and bed side applicable modality, is nowadays the most commonly used image modality to monitor patient status and perform clinical cardiac diagnosis. However, the semantic segmentation (i.e the accurate delineation and identification) of heart structures is a difficult task due to the low quality of ultrasound images, characterized in particular by the lack of clear boundaries. To compensate for missing information, the best performing methods before this thesis relied on the integration of prior information on cardiac shape or motion, which in turns reduced the adaptability of the corresponding methods. Furthermore, such approaches require man- ual identifications of key points to be adapted to a given image, which makes the full process difficult to reproduce. In this thesis, we propose several original fully-automatic algorithms for the semantic segmentation of echocardiographic images based on supervised learning ap- proaches, where the resolution of the problem is automatically set up using data previously analyzed by trained cardiologists. From the design of a dedicated dataset and evaluation platform, we prove in this project the clinical applicability of fully-automatic supervised learning methods, in particular deep learning methods, as well as the possibility to improve the robustness by incorporating in the full process the prior automatic detection of regions of interest

APA, Harvard, Vancouver, ISO, and other styles

26

Déjean, Hervé. "Concepts et algorithmes pour la découverte des structures formelles des langues." Phd thesis, Université de Caen, 1998. http://tel.archives-ouvertes.fr/tel-00169572.

Full text

Abstract:

Que peut-on apprendre sur la structure d'une langue à partir d'un texte écrit dans cette langue, et ceci sans connaissance particulière sur celle-ci et avec l'aide (disons l'utilisation) d'un ordinateur?

Voilà la question à laquelle nous avons essayé de répondre. Cette réponse peut être vue comme une continuation des travaux en analyse distributionnelle développée par Zellig Harris.

L'objectif de ce travail est donc de découvrir les structures formelles d'une langue en étudiant ces régularités formelles contenues dans un corpus

Notre méthode de découverte se base sur une simple conception formelle de la langue: un objet linéaire dans lequel les frontières (de début et de fin) des différentes structures sont indiquées par des éléments caractéristiques. Les structures ainsi identifiées sont le syntagme simple (non récursif), et la proposition, structures à la fois multilingues et formelles. Ces indicateurs de frontières correspondent à des morphèmes (libres ou liés) pour le syntagme, et à des morphèmes ou des syntagmes pour la proposition.

À partir de ces structures théoriques, nous construisons la liste de toutes les catégories qu'un élément (morphème ou mot) peut prendre. Une fois ces structures et catégories recensées, nous construisons des contextes spécifiques à chaque catégorie afin de catégoriser les éléments du texte. Nous obtenons donc un mécanisme permettant d'assigner à un élément plusieurs catégories si cet élément apparaît dans différents contextes. Ces contextes sont construits à l'aide des éléments prototypiques de marqueurs de frontières de structures, identifiables grâce à leur position par rapport à la segmentation physique du texte (en particulier les ponctuations).

Les résultats obtenus permettent la catégorisation des mots du corpus, ainsi qu'une segmentation partielle en syntagmes. La méthode a été appliquée à une dizaine de langues comme le français, l'allemand, le turc, le vietnamien et le swahili.

APA, Harvard, Vancouver, ISO, and other styles

27

Morard, Vincent. "Détection de structures fines par traitement d'images et apprentissage statistique : application au contrôle non destructif." Phd thesis, Ecole Nationale Supérieure des Mines de Paris, 2012. http://pastel.archives-ouvertes.fr/pastel-00932727.

Full text

Abstract:

Dans cette thèse, nous présentons de nouvelles méthodes de traitement d'images pourextraire ou rehausser les éléments fins d'une image. Pour ces opérateurs, issus de la morphologie mathématique,l'accent a été mis principalement sur la précision de détection et sur le temps de calcul,qui doivent être optimisés pour pouvoir répondre aux contraintes de temps imposées par différentesapplications industrielles. La première partie de ce mémoire présente ces méthodes, organisées enfonction de la tortuosité des objets à détecter. Nous commençons par proposer un algorithme rapidepour le calcul des ouvertures 1-D afin d'extraire des structures rectilignes des images. Puis, nous étudionsune nouvelle classe d'opérateurs rapides avec les ouvertures parcimonieuses par chemins, permettantd'analyser des structures ayant une tortuosité modérée. Enfin, nous proposons de nouveauxéléments structurants adaptatifs et des filtres connexes construits avec des attributs géodésiques etgéométriques pour extraire des structures filiformes ayant une tortuosité quelconque.Dans un second temps, nous avons développé une méthode d'analyse statistique en introduisantune nouvelle pénalisation adaptative. L'objectif consiste à créer un modèle prédictif précis, quiminimise en même temps une fonction de coût, indépendante des données. Lorsque cette fonctionde coût est liée au temps de calcul de chaque descripteur, il est alors possible de créer un modèleparcimonieux précis et qui minimise les temps de calcul. Cette méthode est une généralisation desrégressions linéaires et logistiques Ridge, Forward stagewise, Lar, ou Lasso.Les algorithmes développés dans cette thèse ont été utilisés pour trois applications industrielles,très différentes les unes des autres, mais toutes faisant intervenir une approche multidisciplinaire : letraitement d'images et l'analyse statistique. L'association de ces deux disciplines permet d'améliorerla généricité des stratégies proposées puisque les opérateurs de traitement d'images alliés à un apprentissagesupervisé ou non supervisé, permettent d'adapter le traitement à chaque application.Mots clés : Traitement d'images, morphologie mathématique, analyse statistique, caractérisation deformes, contrôles non destructifs, ouvertures parcimonieuses par chemins, region growing structuringelements, amincissements par attributs géodésiques et topologiques, adaptive coefficient shrinkage.

APA, Harvard, Vancouver, ISO, and other styles

28

Nair, Benrekia Noureddine Yassine. "Classification interactive multi-label pour l’aide à l’organisation personnalisée des données." Nantes, 2015. https://archive.bu.univ-nantes.fr/pollux/show/show?id=bb2e3d25-7f53-4b66-af04-a9fb5e80ea28.

Full text

Abstract:

L'importance croissante donnée actuellement aux contenus personnalisés a conduit au développement de plusieurs systèmes de classification interactive pour diverses applications originales. Néanmoins, tous ces systèmes recourent à une classification mono-label des items qui limite fortement l'expressivité de l'utilisateur. Le problème majeur commun à tous les développeurs d'un système de classification interactif et multi-label est: quel classifieur multi-label devrions-nous choisir? Les évaluations expérimentales des systèmes d'apprentissage interactifs récents sont essentiellement subjectives. L:importance de leurs conclusions est donc limitée. Pour tirer des conclusions plus générales qui permettent de guider la sélection de l'algorithme d'apprentissage approprié lors du développement d'un tel système, nous étudions de manière approfondie l'impact des contraintes d'interactivité majeures (apprentissage à partir de peu d'exemples en un temps limité) sur les performances prédictives et les temps de calcul des classifieurs. Les expérimentations mettent en évidence le potentiel d'une approche d'apprentissage ensemble Random Forest of Predictive Clustering Trees(RF-PCT). Cependant, la forte contrainte sur le temps de calcul posée par l'interactivité, nous a conduits à proposer une nouvelle approche d'apprentissage hybride FMDI-RF+ qui associe RF-PCT avec une approche de factorisation de matrice efficace pour la réduction de dimensions. Les résultats expérimentaux indiquent que FMDI-RF+ est aussi précise que RF-PCT dans les prédictions avec clairement un avantage à FMDI-RF+ pour la vitesse de calcul
The growing importance given today to personalized contents led to the development of several interactive classification systems for various novel applications. Nevertheless, all these systems use a single-label item classification which greatly constrains the user's expressiveness. The major problem common to all developers of an interactive multi-label system is: which multi-label classifier should we choose? Experimental evaluations of recent interactive learning systems are mainly subjective. The importance of their conclusions is consequently limited. To draw more general conclusions for guiding the selection of a suitable learning algorithm during the development of such a system, we extensively study the impact of the major interactivity constraints (learning from few examples in a limited time) on the classifier predictive and time-computation performances. The experiments demonstrate the potential of an ensemble learning approach Random Forest of Predictive Clustering Trees(RF-PCT). However,the strong constraint imposed by the interactivity on the computation time has led us to propose a new hybrid learning approach FMDI-RF+ which associates RF-PCT with an efficient matrix factorization approach for dimensionality reduction. The experimental results indicate that RF-FMDI+ is as accurate as RF-PCT in the predictions with a significant advantage to FMDI-RF + for the speed of computation

APA, Harvard, Vancouver, ISO, and other styles

29

Daucé, Emmanuel. "Adaptation dynamique et apprentissage dans les réseaux de neurones récurrents aléatoires." Toulouse, ENSAE, 2000. https://tel.archives-ouvertes.fr/tel-01394004.

Full text

Abstract:

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

APA, Harvard, Vancouver, ISO, and other styles

30

Ghrib, Meriem. "Contrôle santé des structures composites : génération de délaminages par choc laser et quantification par apprentissage machine." Thesis, Paris, ENSAM, 2017. http://www.theses.fr/2017ENAM0070/document.

Full text

Abstract:

Dans ce travail, nous abordons la quantification de dommage de type délaminage dans des stratifiés en CFRP. Le problème de quantification est transformé en un problème de classification multiclasses au sens de l'apprentissage statistique. Chaque classe correspond à une certaine sévérité de dommage. Le modèle de machine à vecteurs de support (SVM) est utilisé pour effectuer la classification. Généralement, des descripteurs de dommage basés sur une utilisation directe des signaux mesurés (SBF) sont utilisés pour apprendre les modèles décisionnels. Dans ce travail, nous nous basons sur l'hypothèse qu'un dommage génère nécessairement une part de non linéarité dans la réponse dynamique de la structure et nous investiguons la pertinence de l'utilisation de descripteurs de dommage basés sur un modèle non linéaire (NMBF) pour améliorer les performances du modèle décisionnel. Les NMBF proposés sont calculés en se basant sur le modèle de Hammerstein en parallèle identifié avec un signal de type "sweep exponentiel". Une réduction de dimension du vecteur des caractéristiques en utilisant l'ACP est également conduite et son effet sur les performances du processus de quantification suggéré est étudié. L'approche de quantification proposée a été testée et validée en utilisant des résultats de simulation puis des résultats expérimentaux obtenus sur des plaques composites en CFRP équipées d'éléments piézoélectriques et contenant diverses sévérités de délaminage. Les dommages de type délaminage ont été générés au sein des échantillons de manière calibrée et réaliste à l'aide de la technique du choc LASER et plus particulièrement du choc LASER symétrique. Nous avons démontré expérimentalement que cette configuration de choc LASER est une alternative efficace aux méthodes classiques de génération de dommage telles que les impacts classiques et les patches de Téflon, permettant une meilleure calibration du dommage en type, profondeur et taille
In this work, we approach delamination quantification in Carbon Fiber Reinforced Polymer (CFRP) laminates as a classification problem whereby each class corresponds to a certain damage extent. A Support Vector Machine (SVM) is used to perform multi-class classification task. Classically, Signal Based Features (SBF) are used to train SVMs when approaching SHM from a machine learning perspective. In this work, starting from the assumption that damage causes a structure to exhibit nonlinear response, we investigate whether the use of Nonlinear Model Based Features (NMBF) increases classification performance. NMBF are computed based on parallel Hammerstein models which are identified with an Exponential Sine Sweep (ESS) signal. Dimensionality reduction of features vector using Principal Component Analysis (PCA) is also conducted in order to find out if it allows robustifying the quantification process suggested in this work. The proposed quantification approach was first tested and validated using simulation results. Thereafter, experimental results on CFRP composite plates equipped with piezoelectric elements and containing various delamination severities are considered for demonstration. Delamination-type damage is introduced into samples in a calibrated and realistic way using LASER Shock Wave Technique (LSWT) and more particularly symmetrical LASER shock configuration. We have experimentally demonstrated that such a configuration of LASER shock is an effective alternative to conventional damage generation techniques such as conventional impacts and Teflon inserts since it allows for a better calibration of damage in type, depth and size

APA, Harvard, Vancouver, ISO, and other styles

31

Muller, Jean-Denis. "La perception structurante : apprentissage non monotone de fonctions visuelles par croissance et maturation de structures neuromimétiques." Toulouse, ENSAE, 1993. http://www.theses.fr/1993ESAE0030.

Full text

Abstract:

Il est difficile de définir un réseau neuromimétique a priori : il n’existe en effet aucune règle ni aucun théorème mathématique donnant la taille et la structure de réseau optimales pour résoudre un problème particulier. Les réseaux neuronaux biologiques résolvent ce problème en s’adaptant constamment et de façon non monotone, faisant intervenir, à des degrés divers selon la structure neuronale en jeu, l’âge du sujet et le type d’apprentissage, des principes de croissance neuronale (développement), d’adaptation d’efficacités synaptiques et d’élagage de connexions (maturation). Dans cette thèse est proposée une modélisation simple de ces processus neuronaux. Un exemple d’application de cette méthode à un problème industriel de vision est présenté. Nous décrivons en effet l’apprentissage de fonctions visuelles élémentaires par un modèle de réseau multicouche dont la structure et le mode de fonctionnement sont inspirés de ceux du cortex visuel des mammifères. Cet apprentissage est réalisé en deux phases successives. Au cours de la première phase, le réseau croît progressivement en établissant des connexions entre des structures fonctionnelles composées de neurones apprenant à détecter des caractéristiques géométriques de différents niveaux de complexité dans les images au moyen d’un algorithme d’apprentissage non supervisé. La deuxième phase consiste en une adaptation supervisée des efficacités synaptiques associée à une procédure d’élagage assurant l’augmentation graduelle des capacités de généralisation du réseau par réduction du nombre de paramètres le décrivant. Une telle technique a plusieurs intérêts : tout d’abord, elle permet le développement d’applications de reconnaissances de formes sans aucune expertise préalable, le réseau étant capable d’extraire d’images brutes les caractéristiques géométriques pertinentes pour la classification, de les fusionner pour construire le processus de décision et de modifier sa structure de façon à minimiser les risques d’erreurs de généralisation. Elle est donc particulièrement adaptée aux problèmes de vision évolutifs et / ou mal formalisés. Ensuite, son caractère permet d’envisager à terme une implémentation d’un système complet de reconnaissance de formes sur un circuit électronique. Cette technique a été appliquée à un problème de classification de défauts sur des masques servant à fabriquer des circuits à très haute densité d’intégration dans le cadre d’un projet industriel mené au Group Techniques Avancées IBM de Montpellier et impliquant plusieurs sites de la compagnie, eu Europe et aux Etats-Unis : le projet MIMS / ADC (Mask Integrated production line Management System / Automatic Defect Classification).

APA, Harvard, Vancouver, ISO, and other styles

32

Boyer, Laurent. "Apprentissage probabiliste de similarités d'édition." Phd thesis, Université Jean Monnet - Saint-Etienne, 2011. http://tel.archives-ouvertes.fr/tel-00718835.

Full text

Abstract:

De nombreuses applications informatiques nécessitent l'utilisation de distances. Dans le cadre de données structurées, chaînes ou arbres, nous utilisons majoritairement la distance d'édition. Celle-ci correspond au nombre minimal d'opérations d'édition (insertion, délétion et substitution) nécessaire pour transformer la première donnée en la seconde. Suivant l'application traitée, il est possible de paramétrer la distance d'édition en associant à chaque opération d'édition un poids. Dans le cadre de ce manuscrit, nous proposons une technique d'apprentissage automatique supervisée pour apprendre les poids de la distance décrite précédemment. L'algorithme utilisé, appelé Expectation-Maximisation, maximise la vraisemblance des paramètres du modèle à l'aide d'un échantillon d'apprentissage composé de paires d'exemples considérés comme similaires. La première contribution de ce manuscrit est une extension de précédents travaux sur les chaînes aux arbres sous la forme de transducteur à un unique état. Nous montrons sur une tâche de reconnaissance de caractères manuscrits, l'efficacité de l'apprentissage par rapport à l'utilisation de poids non appris. La seconde est une approche sur les chaînes sous contraintes. Le modèle est représenté par un ensemble fini d'états dans lequel les transitions sont contraintes. Une contrainte est représentée par un ensemble fini de fonctions booléennes définies sur la chaîne d'entrée et une de ses positions. Nous utilisons notre modèle pour aborder une application de recherche de sites de facteur de transcription dans des séquences génomiques

APA, Harvard, Vancouver, ISO, and other styles

33

Cailliès, Stéphanie. "Connaissances initiales, structures textuelles et mémorisation : expérimentations et simulations." Aix-Marseille 1, 1998. http://www.theses.fr/1998AIX10053.

Full text

Abstract:

Cette recherche est consacree a l'etude de l'effet des connaissances initiales sur la comprehension et la memorisation de textes decrivant l'utilisation de logiciels. Nous formulons l'hypothese generale selon laquelle les lecteurs de differents niveaux de connaissances possedent des structures de connaissances differentes, temporo-causale pour les debutants et teleologique pour les avances. Ces structures sont supposees determiner les temps de lecture lors de l'encodage de l'information textuelle, implicite et explicite, et la recuperation de cette information en memoire. Plus precisement, nous supposons que chez les avances, le but et le resultat d'une procedure sont directement et fortement relies, les actions etant subordonnees au but alors que chez les debutants, les relations etablies entre ces memes elements sont essentiellement fonction de leur ordre de presentation dans le texte. Six experimentations ont ete realisees pour tester cette hypothese. Un premier test a consiste a mettre en evidence une facilitation de la comprehension imputable a l'homologie de structures entre les connaissances initiales et les textes. Un second test a consiste a utiliser une tache de reconnaissance avec amorce dans le but d'etudier les relations etablies par des personnes de differents niveaux de connaissances entre le but d'une sequence, les actions necessaires a l'atteinte de ce but et le resultat obtenu. Nous formulons l'hypothese selon laquelle les relations etablies par les avances dependent de leurs structures de connaissances initiales alors que celles etablies par les debutants sont tributaires de l'ordre de presentation des informations dans le texte. Quatre experiences, se caracterisant par differentes positions relatives des phrases exprimant le but, les actions et le resultat au sein des textes, ont ete realisees. Les resultats, compatibles avec notre hypothese, ont ete simules et reproduits avec le modele construction-integration propose par kintsch (1998)
This research investigates the effect of prior knowledge on comprehension and memorization of expository texts describing the use of softwares. We theorize that readers of different levels of prior knowledge have different knowledge structures, temporal-causal for beginners and teleological for advanced, and that these structures determine the reading times of the textual information to be encoded, implicit and explicit, and the retrieval of this information. More precisely, we assume that for advanced, the goal and the outcome are directly and strongly associated in memory while the actions, necessary to attain the goal, are subordinated, and that the type of relationships beginners established among the goal, the outcome, and the actions varies according to the order in which they appear in the text. Six experimentations were realized to test this hypothesis. The first test was to show a comprehension facilitation ascribed to the homology of structures between prior knowledge and texts. The second test was to use a primed recognition task that allowed us to study the relationship readers with different levels of prior knowledge established among the goal of a sequence, the actions necessary to attain the goal, and the obtained outcome. We assume that the relationship advanced established among the goal, the actions and the outcome depends on their prior knowledge structures whereas that of beginners varies according to the order in which textual information appears in the text. Four experiments, distinguished by different presentation orders of sentences expressed a goal, an action and an outcome, were realized. The results, that support our main assumption, were simulated and reproduced with the construction-integration model proposed by kintsch (1988, 1998)

APA, Harvard, Vancouver, ISO, and other styles

34

Héas, Patrick. "Apprentissage bayésien de structures spatio-temporelles : application à la fouille visuelle de séries temporelles d'images de satellites." Toulouse, ENSAE, 2005. http://www.theses.fr/2005ESAE0004.

Full text

Abstract:

Durant les dernières décennies, les satellites n'ont cessé d'acquérir des images de haute résolution de beaucoup de sites d'observation de la Terre. De nouveaux produits sont apparus avec ce processus d'acquisition intensif : les séries temporelles d'images satellites de haute résolution. Elles représentent un important volume de données dont le riche contenu informatif est susceptible d'intéresser un large panel d'applications nouvelles. Cette thèse présente un concept de fouille d'information qui permet l'apprentissage de structures spatio-temporelles contenues dans les séquences d'images, l'objectif étant l'interprétation et la recherche probabiliste de phénomènes dans l'espace et le temps. Les connaissances expertes d'un utilisateur conduisent le processus d'apprentissage, via la communication d'exemples et de contre exemples. Les fondements théoriques de ce concept se situent à l'interface de l'inférence bayésienne et entropique, des modèles stochastiques et de la cognition visuelle. Le concept emploie une modélisation hiérarchique bayésienne du contenu des séquences d'images, qui permet de lier les intérêt des utilisateurs aux différentes structures spatio-temporelles. La hiérarchie comprend deux principales phases d'apprentissage : l'inférence non supervisé d'un graphe de trajectoires de clusters dynamiques et, basé sur ce graphe, l'apprentissage interactif d'étiquettes sémantiques associées aux structures spatio-temporelles contenues dans la scène dynamique. Les algorithmes et méthodes développés sont intégrés dans un système de fouille visuelle d'information. Ce système représente un outil entièrement novateur pour l'exploitation du contenu des séries temporelles d'images satellites de haute résolution. Les expériences effectuées avec une série temporelles d'images SPOT démontrent les capacités du système dans la compréhension de scènes dynamiques.

APA, Harvard, Vancouver, ISO, and other styles

35

Latchoumanin, Michel. "Langue maternelle et apprentissage cognitif : apport d'une expérience d'induction de structures cognitives auprès des jeunes enfants réunionnais." Aix-Marseille 1, 1991. http://www.theses.fr/1991AIX10062.

Full text

Abstract:

Dans le cadre d'une approche néo-structuraliste du développement cognitif, qui tente d'articuler les données d'une psychologie génétique d'inspiration piagétienne à celles des théories du traitement de l'information, nous avons essayé d'analyser les processus mis en jeu dans une expérience d'induction de structures cognitives auprès de jeunes enfants réunionnais évoluant dans un contexte diglossique. L'existence et la nature de ces processus sont inférées à partir de comportements recueillis au cours de la résolution de la tache pendant les séances d'entraînement. Les progrès sont identifiés au regard de repères développementaux et des modes de représentation qui jalonnent la période dite "pré-opératoire". L'analyse des résultats met en évidence l'influence significative de l'usage de la langue maternelle chez les sujets peu familiarisés avec la langue officielle d'enseignement. En effet ces derniers ont acquis,et dès le début de l'entraînement, de nouvelles compétences situées à un niveau élevé et qui se généralisent à d'autres épreuves dans des situations "physiquement" éloignées du contexte de l'entraînement. Ces résultats différencient significativement ces sujets de leurs homologues entraînés en français et des sujets témoins. Cette recherche s'inscrit dans un renouvellement des problématiques concernant l'étude de l'évolution cognitive. L'activité auto-constructrice et auto-transformatrice du sujet se réalise dans un contexte social et fait appel au langage. (Doc thèses)
Within a neo-structuralist approach of cognitive development, which attemps to organise a piagetian genetic psychology with an information processing theory, we tried to analyse the processes in young children from reunion island reared cognitive inferred from the induction referential reasoning within a diglossic context. The existence and the nature of the processes involved are inferred from verbal behaviours preceding and following actions in cognitive training situation. Gains are identified according to developmental steps and modes of representations which are genuine to the pre-operative period. The analysis of the results gives strong evidence of significant cognitive improvements when the Creole mother tongue is used with subjects not well acquainted with the official teaching language (French). The experiment shows that the children have acquired significant competences in cognitive situations far remote from those usually obtained in traditional school training in French, this at an earlier age and with better results than those obtained with children taught in the official language, or not taught at all. More over, these competences seem also to appear in context situations different from the training situations these results bear a significant statistical difference the two groups experimental (training in French and in Creole) and the control group (no training)

APA, Harvard, Vancouver, ISO, and other styles

36

Blin, Laurent. "Apprentissage de structures d'arbres à partir d'exemples ; application à la prosodie pour la synthèse de la parole." Rennes 1, 2002. http://www.theses.fr/2002REN10117.

Full text

Abstract:

Cette thèse présente une approche de génération de la prosodie pour la synthèse de la parole, via la définition de représentations arborescentes des énoncés et l'utilisation de mesures de similarité entre ces structures. La prosodie d'un nouvel énoncé est générée par un apprentissage par plus proche voisin. Ces travaux se sont intéressés à la prédiction d'étiquettes ToBI sur des énoncés en anglais américain. Cette these a étudié plusieurs configurations expérimentales. Deux types de structures arborescentes ont été utilisées : une représentation syntaxique classique et une représentation par structure de performance,divisant un énoncé en groupes accentuels et intonatifs. L'influence d'une construction automatique de ces structures a en outre été testée. Deux algorithmes de calcul de distance entre arbres ont également été employés, fondés sur des opérateurs d'édition entre noeuds. Les bases d'une génération de la prosodie par analogie ont également été posées.

APA, Harvard, Vancouver, ISO, and other styles

37

Hoch, Lisianne. "Perception et apprentissage des structures musicales et langagières : études des ressources cognitives partagées et des effets attentionnels." Thesis, Lyon 2, 2010. http://www.theses.fr/2010LYO20049/document.

Full text

Abstract:

La musique et le langage sont des matériels structurés à partir de principes combinatoires. Les auditeurs ont acquis des connaissances sur ces régularités structurelles par simple exposition. Ces connaissances permettent le développement d’attentes sur les événements à venir en musique et en langage. Mon travail de thèse étudiait deux aspects de la spécificité versus la généralité des processus de traitement de la musique et du langage: la perception et l’apprentissage statistique.Dans la première partie (perception), les Études 1 à 4 ont montré que le traitement des structures musicales influence le traitement de la parole et du langage présenté en modalité visuelle, reflétant l’influence des mécanismes d’attention dynamique (Jones, 1976). Plus précisément, le traitement des structures musicales interagissait avec le traitement des structures syntaxiques, mais pas avec le traitement des structures sémantiques en langage (Étude 3). Ces résultats sont en accord avec l’hypothèse de ressources d’intégration syntaxique partagées de Patel (2003). Nos résultats et les précédentes études sur les traitements simultanés des structures musicales et linguistiques (syntaxiques et sémantiques), nous ont incités à élargir l’hypothèse de ressources d’intégration partagées au traitement d’autres d’informations structurées qui nécessitent également des ressources d’intégration structurelle et temporelle. Cette hypothèse a été testée et confirmée par l’observation d’une interaction entre les traitements simultanés des structures musicales et arithmétiques (Étude 4). Dans la deuxième partie (apprentissage), l’apprentissage statistique était étudié en comparaison directe pour des matériels verbaux et non-verbaux. Plus particulièrement, nous avons étudié l’influence de l’attention dynamique guidée par des indices temporels non-acoustiques (Études 5 et 6) et acoustiques (Étude 7) sur l’apprentissage statistique. Les indices temporels non-acoustiques influençaient l’apprentissage statistique de matériels verbaux et non-verbaux. En accord avec la théorie de l’attention dynamique (Jones, 1976), une hypothèse est que les indices temporels non-acoustiques guident l’attention dans le temps et influencent l’apprentissage statistique.Les études de ce travail de thèse ont suggéré que les ressources d’attention dynamique influençaient la perception et l’apprentissage de matériels structurés et que les traitements des structures musicales et d’autres informations structurées (e.g., langage, arithmétique) partagent des ressources d’intégration structurelle et temporelle. L’ensemble de ces résultats amène de nouvelles questions sur la possible influence du traitement des structures auditives tonales et temporelles sur les capacités cognitives générales de séquencement notamment requises pour la perception et l’apprentissage d’informations séquentielles structurées.Jones, M. R. (1976). Time, our lost dimension: Toward a new theory of perception, attention, and memory. Psychological Review, 83(5), 323-355. doi:10.1037/0033-295X.83.5.323Patel, A. D. (2003). Language, music, syntax and the brain. Nature Neuroscience, 6(7), 674-681. doi:10.1038/nn1082
Music and language are structurally organized materials that are based on combinatorial principles. Listeners have acquired knowledge about these structural regularities via mere exposure. This knowledge allows them to develop expectations about future events in music and language perception. My PhD investigated two aspects of domain-specificity versus generality of cognitive functions in music and language processing: perception and statistical learning.In the first part (perception), musical structure processing has been shown to influence spoken and visual language processing (Études 1 & 4), partly due to dynamic attending mechanisms (Jones, 1976). More specifically, musical structure processing has been shown to interact with linguistic-syntactic processing, but not with linguistic-semantic processing (Étude 3), thus supporting the hypothesis of shared syntactic resources for music and language processing (Patel, 2003). Together with previous studies that have investigated simultaneous musical and linguistic (syntactic and semantic) structure processing, we proposed that these shared resources might extend to the processing of other structurally organized information that require structural and temporal integration resources. This hypothesis was tested and supported by interactive influences between simultaneous musical and arithmetic structure processing (Étude 4). In the second part (learning), statistical learning was directly compared for verbal and nonverbal materials. In particular, we aimed to investigate the influence of dynamic attention driven by non-acoustic (Études 5 & 6) and acoustic (Étude 7) cues on statistical learning. Non-acoustic temporal cues have been shown to influence statistical learning of verbal and nonverbal artificial languages. In agreement with the dynamic attending theory (Jones, 1976), we proposed that non-acoustic temporal cues guide attention over time and influence statistical learning.Based on the influence of dynamic attending mechanisms on perception and learning and on evidence of shared structural and temporal integration resources for the processing of musical structures and other structured information, this PhD opens new questions about the potential influence of tonal and temporal auditory structure processing on general cognitive sequencing abilities, notably required in structured sequence perception and learning.Jones, M. R. (1976). Time, our lost dimension: Toward a new theory of perception, attention, and memory. Psychological Review, 83(5), 323-355. doi:10.1037/0033-295X.83.5.323Patel, A. D. (2003). Language, music, syntax and the brain. Nature Neuroscience, 6(7), 674-681. doi:10.1038/nn1082

APA, Harvard, Vancouver, ISO, and other styles

38

Bouabdallah, Khaled. "Structures d'emploi, filieres industrielles et competitivite. Essai sur le travail et la performance economique." Lyon 2, 1993. http://www.theses.fr/1993LYO22005.

Full text

Abstract:

Partant d'une reflexion sur les rapports entre le travail et la performance economique, nous avons montre la necessite d'un renouvellement des problematiques. Il s'agit, en effet, de considere les elements fondant les conditions de la competitivite contemporaine et les mecanismes renouveles de la croissance, ces derniers reposant de plus en plus largeme nt sur des facteurs endogenes. Le cadre analytique propose s'appuie sur une conception de la competitivite permettant de prendre en compte les externalites, les interdependances technologiques et les effets d'apprentissage, et de maniere pl us generale les facteurs structurels assurant une competitivite durable. L'analyse meso-economique apparait comme etant une des voies les plus pertinentes pour exprimer ces phenomenes, l'interet du niveau de la filiere est alors suggere, p arce que permettant de rendre compte des effets d'interdependance, d'apprentissage et des externalites. Ce niveau permet egalement d'integrer les preoccupations liees a l'analyse du travail. Partant de la, une analyse appliquee est menee su r le cas des filieres industrielles, dont l'objet est d'examiner, en moyenne periode, la dynamique des structures d'empl oi des filieres et de confronter celle-ci a l'evolution de leurs performances economiques. L'analyse meso-economique apparait comme etant une des voies les plus pertinentes pour exprimer ces phenomenes, l'interet du niveau de la filiere est alors suggere, parce que permettant de rendre compte des effets d'interdependance, d'apprentissage et des externalites. Ce niveau permet egalement d'integrer les preoccupations liees a l'analyse du travail. Partant de la, une analyse appliquee est menee sur le cas des filieres industrielles, dont l'objet est d'examiner, en moyenne periode, la dynamique des structures d'emploi des filieres et de confronter celle
From an analysis of the links between labour and economic performance, we have shown the need for renewal of problematic s. As a matter of fact, we have to identify the elements founding the conditions of the contemporary competitiveness and the renewed mechanisms of growth, these latter depending more and more broadly on endogeneous factors. The analytical framework provided is rooted in a conception of competitiveness enabling to take into account externalities, technologic al interdependences and learning effects, and more largely the structural factors ensuring a long-lastin competitiveness. The meso-economic seems to provide a relevant way for expresing such phenomena. Then the interest of the level of the filiere is learning processes and externalities. This level enables also to integrate concerns linked to the analysis o f labour. On this basis, an applied analysis is carried out about industrial filieres, wich the aim is both to investiga te, on the medium run, the dynamic of the filiere employment structures, and to confront this latter with the evolution of their economic performance. Phenomena. Then the interest of the level of the filiere is emphasized, inasmuch it enables to express interdependence effects, learning processes and externalities. This level enables also to integrate concerns linked to the analysis of labour. On this basis, an applied analysis is carried out about industrial filieres, wich the aim is both to investigate, on the medium run, the dynamic of the filiere employment structures, and to confront this latter with the evolution of their economic performance

APA, Harvard, Vancouver, ISO, and other styles

39

Jeong, Seong-Gyun. "Modélisation de structures curvilignes et ses applications en vision par ordinateur." Thesis, Nice, 2015. http://www.theses.fr/2015NICE4086/document.

Full text

Abstract:

Dans cette thèse, nous proposons des modèles de reconstruction de la structure curviligne fondée sur la modélisation stochastique et sur un système d’apprentissage structuré. Nous supposons que le réseau de lignes, dans sa totalité, peut être décomposé en un ensemble de segments de ligne avec des longueurs et orientations variables. Cette hypothèse nous permet de reconstituer des formes arbitraires de la structure curviligne pour différents types de jeux de données. Nous calculons les descripteurs des caractéristiques curvilignes fondés sur les profils des gradients d’image et les profils morphologiques. Pour le modèle stochastique, nous proposons des contraintes préalables qui définissent l'interaction spatiale des segments de ligne. Pour obtenir une configuration optimale correspondant à la structure curviligne latente, nous combinons plusieurs hypothèses de ligne qui sont calculées par échantillonnage MCMC avec différents jeux de paramètres. De plus, nous apprenons une fonction de classement qui prédit la correspondance du segment de ligne donné avec les structures curvilignes latentes. Une nouvelle méthode fondée sur les graphes est proposée afin d’inférer la structure sous-jacente curviligne en utilisant les classements de sortie des segments de ligne. Nous utilisons nos modèles pour analyser la structure curviligne sur des images statiques. Les résultats expérimentaux sur de nombreux types de jeux de données démontrent que les modèles de structure curviligne proposés surpassent les techniques de l'état de l'art
In this dissertation, we propose curvilinear structure reconstruction models based on stochastic modeling and ranking learning system. We assume that the entire line network can be decomposed into a set of line segments with variable lengths and orientations. This assumption enables us to reconstruct arbitrary shapes of curvilinear structure for different types of datasets. We compute curvilinear feature descriptors based on the image gradient profiles and the morphological profiles. For the stochastic model, we propose prior constraints that define the spatial interaction of line segments. To obtain an optimal configuration corresponding to the latent curvilinear structure, we combine multiple line hypotheses which are computed by MCMC sampling with different parameter sets. Moreover, we learn a ranking function which predicts the correspondence of the given line segment and the latent curvilinear structures. A novel graph-based method is proposed to infer the underlying curvilinear structure using the output rankings of the line segments. We apply our models to analyze curvilinear structure on static images. Experimental results on wide types of datasets demonstrate that the proposed curvilinear structure modeling outperforms the state-of-the-art techniques

APA, Harvard, Vancouver, ISO, and other styles

40

Poulenard, Adrien. "Structures for deep learning and topology optimization of functions on 3D shapes." Thesis, Institut polytechnique de Paris, 2020. http://www.theses.fr/2020IPPAX007.

Full text

Abstract:

Le domaine du traitement de la géométrie suit un cheminement similaire à celui de l'analyse d'images avec l'explosion des publications consacrées à l'apprentissage profond ces dernières années. Un important effort de recherche est en cours pour reproduire les succès de l'apprentissage profond dans le domaine de la vision par ordinateur dans le contexte de l'analyse de formes 3D. Contrairement aux images, les formes 3D peuvent peuvent être représentées de différentes manières comme des maillages ou des nuages de points souvent dépourvus d'une structure canonique. Les algorithmes d'apprentissage profond traditionnels tels que les réseaux neuronaux convolutifs (CNN) ne sont donc pas faciles à appliquer aux formes 3D. Dans cette thèse, nous proposons trois contributions principales : premièrement, nous introduisons une méthode permettant de comparer des fonctions sur des domaines différents sans correspondances et de les déformer afin de rendre la topologie de leur ensemble de niveaux similaires. Nous appliquons notre méthode au problème classique de la correspondance de formes dans le contexte des applications fonctionnelles (functional maps) afin de produire des correspondances plus lisses et plus précises. Par ailleurs notre méthode reposant sur l'optimisation continue d'une énergie différentiable par rapport aux fonctions comparées elle est applicable à l'apprentissage profond. Nous apportons deux contributions directes à l'apprentissage profond des données 3D. Nous introduisons un nouvel opérateur de convolution sur des maillages triangulaires basés sur des coordonnées polaires locales et l'appliquons à l'apprentissage profond sur les maillages. Contrairement aux travaux précédents, notre opérateur prend en compte tous les choix de coordonnées polaires sans perte d'information directionnelle. Enfin, nous introduisons un nouveau module de convolution invariant par rotation sur les nuages de points et montrons que les CNN basés sur ce dernier peuvent surpasser l'état de l'art pour des tâches standard sur des ensembles de données non alignés même avec augmentation des données
The field of geometry processing is following a similar path as image analysis with the explosion of publications dedicated to deep learning in recent years. An important research effort is being made to reproduce the successes of deep learning 2D computer vision in the context of 3D shape analysis. Unlike images shapes comes in various representations like meshes or point clouds which often lack canonical structure. This makes traditional deep learning algorithms like Convolutional Neural Networks (CNN) non straightforward to apply to 3D data. In this thesis we propose three main contributions:First, we introduce a method to compare functions on different domains without correspondences and to deform them to make the topology of their set of levels more alike. We apply our method to the classical problem of shape matching in the context of functional maps to produce smoother and more accurate correspondences. Furthermore, our method is based on the continuous optimization of a differentiable energy with respect to the compared functions and is applicable to deep learning. We make two direct contributions to deep learning on 3D data. We introduce a new convolution operator over triangles meshes based on local polar coordinates and apply it to deep learning on meshes. Unlike previous works our operator takes all choices of polar coordinates into account without loss of directional information. Lastly we introduce a new rotation invariant convolution layer over point clouds and show that CNNs based on this layer can outperform state of the art methods in standard tasks on un-alligned datasets even with data augmentation

APA, Harvard, Vancouver, ISO, and other styles

41

Zotti, Clément. "Réseaux de neurones à convolutions pour la segmentation multi structures d'images par résonance magnétique cardiaque." Mémoire, Université de Sherbrooke, 2018. http://hdl.handle.net/11143/11817.

Full text

Abstract:

L'imagerie par résonance magnétique (IRM) est une technique d'acquisition d'images qui permet de visualiser les différents tissus du corps humain. Son principe se base sur le moment magnétique des protons des atomes d'hydrogène. Le corps étant principalement composé d'eau et donc d'hydrogène, cela en fait une méthode de choix pour faire de l'imagerie cardiaque. L'IRM est très utilisée en clinique pour observer et diagnostiquer les différentes maladies cardiaques, comme l'infarctus du myocarde, la cardiomyopathie dilatée ou la cardiomyopathie hypertrophique. Dans le cas du coeur, principalement trois structures anatomiques sont étudiées: la cavité du ventricule gauche, la cavité du ventricule droit et le myocarde. Dans ce but, il est nécessaire de faire une segmentation manuelle, semi-automatique ou automatique de l'image IRM. Une fois ces structures segmentées, différents paramètres physiologiques peuvent être calculés pour évaluer la maladie d'un patient. Souvent, les méthodes de segmentation se concentrent sur la segmentation de la cavité du ventricule gauche. Pour les autres structures, la segmentation est principalement faite à la main par un médecin ce qui demande un temps non négligeable (environ 10 à 15 minutes par coeur). Ce mémoire présente une base de données anonymisée d'images cardiaque contenant 150 patients avec différentes maladies cardiaques. Il présente aussi une nouvelle méthode de segmentation automatique des trois structures sans aucune intervention humaine. La méthode se base sur l'apprentissage profond, ce qui en fait une méthode très rapide (180 millisecondes par volume). Pour rendre les segmentations plus fidèles, elle incorpore un terme de contours qui permet d'avoir une segmentation plus précise des contours des structures et une forme a priori qui permet de rendre la segmentation plus près de celle d'un vrai coeur (sans trous ou anatomie impossible). Cette recherche est faite en collaboration avec l'Université de Bourgogne et l'Université de Lyon en France qui ont permis la mise en place de cette base de données cardiaque et la validation des résultats.

APA, Harvard, Vancouver, ISO, and other styles

42

Besombes, Jérôme. "Un modèle algorithmique de la généralisation de structures dans le processus d'acquisition du langage." Nancy 1, 2003. http://www.theses.fr/2003NAN10156.

Full text

Abstract:

Le sujet de notre étude est l'apprentissage des langages réguliers d'arbres pour la modélisation algorithmique de l'acquisition du langage. L'hypothèse émise est celle d'une structuration arborescente des données mises à disposition de l'apprenti ; ces données sont des phrases correctes entendues et l'apprentissage est effectif dès lors qu'une représentation du langage auquel appartiennent ces phrases est construite. Cette représentation doit permettre de générer de nouvelles phrases compatibles avec le langage et non présentées en exemples. Considérant que le signal perçu (une phrase entendue) est traduit sous forme d'arbre, il apparaît que la généralisation de ces structures arborescente est un élément constitutif de l'apprentissage. Nous avons développé plusieurs modèles pour cette généralisation sous forme d'algorithmes prenant en compte différents types de structures en entrée et différents niveaux d'apport d'information. Ces nouveaux modèles offrent l'avantage d'unifier des résultats majeurs dans la théorie de l'inférence grammaticale, et d'étendre ces résultats, en particulier par la considération de structures nouvelles non étudiées précédemment pour l'apprentissage
The subject of our study is the learning of regular tree languages for an algorithmic modeling of language acquisition. For this, we suppose that data are structured; these data are heard correct sentences and the learning is effective since a representation of the language to which these sentences belong is built. From this representation the learner is able to generate new sentences compatible with the language and not presented as examples. Considering that heard sentences are translated into trees, it appears that the generalization of these tree structures is a component of the learning. We developed several models for this generalization in the form of algorithms taking into account various types of structures as input and various levels of contribution of information. These new models offer the advantage of unifying major results in the theory of the grammatical inference, and of extending these results, in particular by the consideration of new structures not studied previously in the learnability point of view

APA, Harvard, Vancouver, ISO, and other styles

43

Oyallon, Edouard. "Analyzing and introducing structures in deep convolutional neural networks." Thesis, Paris Sciences et Lettres (ComUE), 2017. http://www.theses.fr/2017PSLEE060.

Full text

Abstract:

Cette thèse étudie des propriétés empiriques des réseaux de neurones convolutifs profonds, et en particulier de la transformée en Scattering. En effet, l’analyse théorique de ces derniers est difficile et représente jusqu’à ce jour un défi : les couches successives de neurones ont la capacité de réaliser des opérations complexes, dont la nature est encore inconnue, via des algorithmes d’apprentissages dont les garanties de convergences ne sont pas bien comprises. Pourtant, ces réseaux de neurones sont de formidables outils pour s’attaquer à une grande variété de tâches difficiles telles la classification d’images, ou plus simplement effectuer des prédictions. La transformée de Scattering est un opérateur mathématique, non-linéaire dont les spécifications sont inspirées par les réseaux convolutifs. Dans ce travail, elle est appliquée sur des images naturelles et obtient des résultats compétitifs avec les architectures non-supervisées. En plaçant un réseau de neurones convolutifs supervisés à la suite du Scattering, on obtient des performances compétitives sur ImageNet2012, qui est le plus grand jeux de donnée d’images étiquetées accessibles aux chercheurs. Cela nécessite d’implémenter un algorithme efficace sur carte graphique. Dans un second temps, cette thèse s’intéresse aux propriétés des couches à différentes profondeurs. On montre qu’un phénomène de réduction de dimensionnalité progressif à lieu et on s’intéresse aux propriétés de classifications supervisées lorsqu’on varie des hyper paramètres de ces réseaux. Finalement, on introduit une nouvelle classe de réseaux convolutifs, dont les opérateurs sont structurés par des groupes de symétries du problème de classification
This thesis studies empirical properties of deep convolutional neural networks, and in particular the Scattering Transform. Indeed, the theoretical analysis of the latter is hard and until now remains a challenge: successive layers of neurons have the ability to produce complex computations, whose nature is still unknown, thanks to learning algorithms whose convergence guarantees are not well understood. However, those neural networks are outstanding tools to tackle a wide variety of difficult tasks, like image classification or more formally statistical prediction. The Scattering Transform is a non-linear mathematical operator whose properties are inspired by convolutional networks. In this work, we apply it to natural images, and obtain competitive accuracies with unsupervised architectures. Cascading a supervised neural networks after the Scattering permits to compete on ImageNet2012, which is the largest dataset of labeled images available. An efficient GPU implementation is provided. Then, this thesis focuses on the properties of layers of neurons at various depths. We show that a progressive dimensionality reduction occurs and we study the numerical properties of the supervised classification when we vary the hyper parameters of the network. Finally, we introduce a new class of convolutional networks, whose linear operators are structured by the symmetry groups of the classification task

APA, Harvard, Vancouver, ISO, and other styles

44

Maag, Maria Coralia Laura. "Apprentissage automatique de fonctions d'anonymisation pour les graphes et les graphes dynamiques." Electronic Thesis or Diss., Paris 6, 2015. http://www.theses.fr/2015PA066050.

Full text

Abstract:

La confidentialité des données est un problème majeur qui doit être considéré avant de rendre publiques les données ou avant de les transmettre à des partenaires tiers avec comme but d'analyser ou de calculer des statistiques sur ces données. Leur confidentialité est principalement préservée en utilisant des techniques d'anonymisation. Dans ce contexte, un nombre important de techniques d'anonymisation a été proposé dans la littérature. Cependant, des méthodes génériques capables de s'adapter à des situations variées sont souhaitables. Nous adressons le problème de la confidentialité des données représentées sous forme de graphe, données qui nécessitent, pour différentes raisons, d'être rendues publiques. Nous considérons que l'anonymiseur n'a pas accès aux méthodes utilisées pour analyser les données. Une méthodologie générique est proposée basée sur des techniques d'apprentissage artificiel afin d'obtenir directement une fonction d'anonymisation et d'optimiser la balance entre le risque pour la confidentialité et la perte dans l'utilité des données. La méthodologie permet d'obtenir une bonne procédure d'anonymisation pour une large catégorie d'attaques et des caractéristiques à préserver dans un ensemble de données. La méthodologie est instanciée pour des graphes simples et des graphes dynamiques avec une composante temporelle. La méthodologie a été expérimentée avec succès sur des ensembles de données provenant de Twitter, Enron ou Amazon. Les résultats sont comparés avec des méthodes de référence et il est montré que la méthodologie proposée est générique et peut s'adapter automatiquement à différents contextes d'anonymisation
Data privacy is a major problem that has to be considered before releasing datasets to the public or even to a partner company that would compute statistics or make a deep analysis of these data. Privacy is insured by performing data anonymization as required by legislation. In this context, many different anonymization techniques have been proposed in the literature. These techniques are difficult to use in a general context where attacks can be of different types, and where measures are not known to the anonymizer. Generic methods able to adapt to different situations become desirable. We are addressing the problem of privacy related to graph data which needs, for different reasons, to be publicly made available. This corresponds to the anonymized graph data publishing problem. We are placing from the perspective of an anonymizer not having access to the methods used to analyze the data. A generic methodology is proposed based on machine learning to obtain directly an anonymization function from a set of training data so as to optimize a tradeoff between privacy risk and utility loss. The method thus allows one to get a good anonymization procedure for any kind of attacks, and any characteristic in a given set. The methodology is instantiated for simple graphs and complex timestamped graphs. A tool has been developed implementing the method and has been experimented with success on real anonymized datasets coming from Twitter, Enron or Amazon. Results are compared with baseline and it is showed that the proposed method is generic and can automatically adapt itself to different anonymization contexts

APA, Harvard, Vancouver, ISO, and other styles

45

Pesquerel, Fabien. "Information per unit of interaction in stochastic sequential decision making." Electronic Thesis or Diss., Université de Lille (2022-....), 2023. https://pepite-depot.univ-lille.fr/LIBRE/EDMADIS/2023/2023ULILB048.pdf.

Full text

Abstract:

Dans cette thèse, nous nous interrogeons sur la vitesse à laquelle on peut résoudre un problème stochastique inconnu.À cette fin, nous introduisons deux domaines de recherche connus sous le nom de Bandit et d'Apprentissage par Renforcement.Dans ces deux champs d'étude, un agent doit séquentiellement prendre des décisions qui affecteront un signal de récompense qu'il reçoit.L'agent ne connaît pas l'environnement avec lequel il interagit, mais pourtant souhaite maximiser sa récompense moyenne à long terme.Plus précisément, on étudie des problèmes de décision stochastique dans lesquels l'agent cherche à maximiser sa récompense moyenne.Dans ces problèmes dit d'apprentissage stochastique, l'agent interagit séquentiellement avec un système dynamique, sans aucune réinitialisation, dans une suite unique, infinie et ininterrompue d'observations, d'actions et de récompenses tout en essayant de maximiser ses récompenses totales accumulées au fil du temps.Nous commençons par présenter le problème de Bandit, dans lequel l'ensemble des décisions est constant, et définissons ce que l'on entend par résoudre le problème.Parmi ces agents, certains sont meilleurs que tous les autres et sont dits optimaux.Nous nous concentrons d'abord sur la manière de tirer le maximum d'information de chaque interaction avec le système en revisitant un algorithme optimal et en réduisant sa complexité numérique.Tout en conservant l'optimalité de la méthode initiale, la méthode proposée réduit la complexité numérique et permet donc d'extraire d'avantage d'information d'un échantillon par unité de temps de calcul.Nous étudions ensuite un problème structuré intéressant dans lequel il est possible d'exploiter la structure sans l'estimer.Ensuite nous nous consacrons à l'Apprentissage par Renforcement, dans lequel les décisions qu'un agent peut prendre dépendent d'une notion d'état.Chaque fois qu'un agent prend une décision, il reçoit une récompense et l'état change selon une loi de transition sur les états.Sous une certaine hypothèse, dite ergodique, un taux optimal de résolution par unité d'interaction est connu et nous introduisons un algorithme dont nous pouvons prouver qu'il est optimal et nous montrons qu'il est numériquement efficace.Dans un dernier chapitre, nous tentons de mieux comprendre ce qu'implique la supression de l'hypothèse d'ergodicité.Nous considérons le problème a priori plus simple où les transitions sont connues.Cependant, même sous cette hypothèse, il n'est pas évident de comprendre correctement la vitesse à laquelle des informations peuvent être acquises sur une solution optimale
In this thesis, we wonder about the rate at which one can solve an unknown stochastic problem.To this purpose we introduce two research fields known as Bandit and Reinforcement Learning.In these two settings, a learner must sequentially makes decision that will affect a reward signal that the learner receive.The learner does not know the environment with which it is interaction, yet wish to maximize its average reward in the long run.More specifically, we are interested in studying some form of stochastic decision problem under the average-reward criterion in which a learning algorithm interacts sequentially with a dynamical system, without any reset, in a single and infinite sequence of observations, actions, and rewards while trying to maximize its total accumulated rewards over time.We first introduce Bandit, in which the set of decision is constant and introduce what is meant by solving the problem.Amongst those learners, some are better than all the others, and called optimal.We first focus on how to make the most out of each interaction with the system by revisiting an optimal algorithm, and reduce its numerical complexity.Therefore, the information extracted from each sample, per-time-step, is larger since the optimality remains.Then we study an interesting structured problem in which one can exploit the structure without estimating it.Afterward we introduce Reinforcement Learning, in which the decision a learner can make depend on a notion of state.Each time a learner makes a decision, it receives a reward and the state change according to transition law on the set of states.In some setting, known as ergodic, an optimal rate of solving is known and we introduce a knew algorithm that we can prove to be optimal and show to be numerically efficient.In a final chapter, we make a step in the direction of removing the ergodic assumption by considering the a priori simpler problem where the transitions are known.Yet, correctly understanding the rate at which information can be acquired about an optimal solution is already not easy

APA, Harvard, Vancouver, ISO, and other styles

46

Fauconnier, Jean-Philippe. "Acquisition de liens sémantiques à partir d'éléments de mise en forme des textes : exploitation des structures énumératives." Thesis, Toulouse 3, 2016. http://www.theses.fr/2016TOU30023.

Full text

Abstract:

Ces dernières années de nombreux progrès ont été faits dans le domaine de l'extraction de relations à partir de textes, facilitant ainsi la construction de ressources lexicales ou sémantiques. Cependant, les méthodes proposées (apprentissage supervisé, méthodes à noyaux, apprentissage distant, etc.) n'exploitent pas tout le potentiel des textes : elles ont généralement été appliquées à un niveau phrastique, sans tenir compte des éléments de mise en forme. Dans ce contexte, l'objectif de cette thèse est d'adapter ces méthodes à l'extraction de relations exprimées au-delà des frontières de la phrase. Pour cela, nous nous appuyons sur la sémantique véhiculée par les indices typographiques (puces, emphases, etc.) et dispositionnels (indentations visuelles, retours à la ligne, etc.), qui complètent des formulations strictement discursives. En particulier, nous étudions les structures énumératives verticales qui, bien qu'affichant des discontinuités entre leurs différents composants, présentent un tout sur le plan sémantique. Ces structures textuelles sont souvent révélatrices de relations hiérarchiques. Notre travail est divisé en deux parties. (i) La première partie décrit un modèle pour représenter la structure hiérarchique des documents. Ce modèle se positionne dans la suite des modèles théoriques proposés pour rendre compte de l'architecture textuelle : une abstraction de la mise en forme et une connexion forte avec la structure rhétorique sont faites. Toutefois, notre modèle se démarque par une perspective d'analyse automatique des textes. Nous en proposons une implémentation efficace sous la forme d'une méthode ascendante et nous l'évaluons sur un corpus de documents PDF.(ii) La seconde partie porte sur l'intégration de ce modèle dans le processus d'extraction de relations. Plus particulièrement, nous nous sommes focalisés sur les structures énumératives verticales. Un corpus a été annoté selon une typologie multi-dimensionnelle permettant de caractériser et de cibler les structures énumératives verticales porteuses de relations utiles à la création de ressources. Les observations faites en corpus ont conduit à procéder en deux étapes par apprentissage supervisé pour analyser ces structures : qualifier la relation puis en extraire les arguments. L'évaluation de cette méthode montre que l'exploitation de la mise en forme, combinée à un faisceau d'indices lexico-syntaxiques, améliore les résultats
The past decade witnessed significant advances in the field of relation extraction from text, facilitating the building of lexical or semantic resources. However, the methods proposed so far (supervised learning, kernel methods, distant supervision, etc.) don't fully exploit the texts : they are usually applied at the sentential level and they don't take into account the layout and the formatting of texts. In such a context, this thesis aims at expanding those methods and makes them layout-aware for extracting relations expressed beyond sentence boundaries. For this purpose, we rely on the semantics conveyed by typographical (bullets, emphasis, etc.) and dispositional (visual indentations, carriage returns, etc.) features. Those features often substitute purely discursive formulations. In particular, the study reported here is dealing with the relations carried by the vertical enumerative structures. Although they display discontinuities between their various components, the enumerative structures can be dealt as a whole at the semantic level. They form textual structures prone to hierarchical relations. This study was divided into two parts. (i) The first part describes a model representing the hierarchical structure of documents. This model is falling within the theoretical framework representing the textual architecture : an abstraction of the layout and the formatting, as well as a strong connection with the rhetorical structure are achieved. However, our model focuses primarily on the efficiency of the analysis process rather than on the expressiveness of the representation. A bottom-up method intended for building automatically this model is presented and evaluated on a corpus of PDF documents. (ii) The second part aims at integrating this model into the process of relation extraction. In particular, we focused on vertical enumerative structures. A multidimensional typology intended for characterizing those structures was established and used into an annotation task. Thanks to corpus-based observations, we proposed a two-step method, by supervised learning, for qualifying the nature of the relation and identifying its arguments. The evaluation of our method showed that exploiting the formatting and the layout of documents, in combination with standard lexico-syntactic features, improves those two tasks

APA, Harvard, Vancouver, ISO, and other styles

47

Bouthinon, Dominique. "Apprentissage à partir d'exemples ambigus : étude théorique et application à la découverte de structures communes à un ensemble de séquences d'ARN." Paris 13, 1996. http://www.theses.fr/1996PA132033.

Full text

Abstract:

Nous étudions une classe de problèmes d'apprentissage caractérisée par l'absence de contre-exemples, chaque exemple du concept cible étant représenté de manière ambigüe par plusieurs descriptions dont une seule, à priori inconnue, est réelle. Le problème pose est double puisqu'il s'agit d'apprendre les caractéristiques les plus spécifiques communes aux exemples, ce qui revient implicitement à identifier ces derniers. Le principe de résolution est fondé sur la recherche de similarités répétées dont la distribution émerge des ressemblances aléatoires. Nous montrons que cette classe de problèmes nécessite une nouvelle définition de la complétude et de la consistance, et qu'en fixant certaines limites à l'utilisation de la négation il est possible de construire une méthode de résolution générale. Le problème de la prédiction de la structure secondaire commune à un groupe de séquences d'ARN relevant de cette classe, nous proposons de le résoudre avec la méthode précitée. En l'occurrence nous construisons, pour chaque séquence, les plus grandes structures valides optimisant un critère d'énergie directement corrélé à la plausibilité d'une structure, critère que l'on ne peut exploiter pour déterminer directement la structure secondaire. Une représentation originale permet de coder ces structures, ainsi que leurs sous-structures, sous la forme d'un dictionnaire, dont les plus longs préfixes qui satisfont un taux minimal de répétition désignent les structures secondaires candidates que nous identifions au moyen d'un algorithme de complexité linéaire. Une mesure permet de classer les structures candidates en établissant la plausibilité de chacune d'elles en fonction de son taux de répétition effectif dans les séquences, comparativement à son taux à priori, calculé sur des séquences aléatoires. Les premiers résultats sur plusieurs groupes de séquences sont encourageants puisque la structure secondaire a été découverte sans aucune information préalable.

APA, Harvard, Vancouver, ISO, and other styles

48

Ran, Peipei. "Imaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning." Electronic Thesis or Diss., université Paris-Saclay, 2020. http://www.theses.fr/2020UPASG061.

Full text

Abstract:

Le test électromagnétique d’un ensemble fini en forme de grille de tiges diélectriques cylindriques circulaires infiniment longues dont certaines manquent est investigué à partir de données fréquence simple et multiple et en régime temporel. Les distances sous-longueur d’onde entre tiges adjacentes et des diamètres de tige de sous-longueur d’onde sont considérées sur toute la bande de fréquences d’opération et cela conduit à un défi majeur en raison du besoin de super-résolution dans la microstructure, bien au-delà du critère de Rayleigh. Tout un ensemble de méthodes de résolution est étudié et des simulations numériques systématiques illustrent avantages et inconvénients, complétées par le traitement de données expérimentales en laboratoire acquises sur un prototype de micro-structure en chambre anéchoïque micro-onde. Ces méthodes, qui diffèrent selon les informations a priori prises en compte et la polyvalence qui en résulte, comprennent retournement temporel, inversions de source de contraste, binaires ou parcimonieuses, ainsi que réseaux de neurones convolutifs éventuellement combinés avec des réseaux récurrents
Electromagnetic probing of a gridlike, finite set of infinitely long circular cylindrical dielectric rods affected by missing ones is investigated from time-harmonic single and multiple frequency data. Sub-wavelength distances between adjacent rods and sub-wavelength rod diameters are assumed throughout the frequency band of operation and this leads to a severe challenge due to need of super-resolution within the present micro-structure, well beyond the Rayleigh criterion. A wealth of solution methods is investigated and comprehensive numerical simulations illustrate pros and cons, completed by processing laboratory-controlled experimental data acquired on a micro-structure prototype in a microwave anechoic chamber. These methods, which differ per a priori information accounted for and consequent versatility, include time-reversal, binary-specialized contrast-source and sparsity-constrained inversions, and convolutional neural networks possibly combined with recurrent ones

APA, Harvard, Vancouver, ISO, and other styles

49

You, Weizhen. "Reliability assessment of TMD-based control structures : A Statistical Learning Perspective." Thesis, Lyon, 2020. http://www.theses.fr/2020LYSEC001.

Full text

Abstract:

L’étude de la fiabilité structurelle concerne principalement l’évaluation et la prévision du risque de violation de l'état limite pour une structure d'ingénierie à n'importe quel stade de son la vie. L’évaluation de la fiabilité contribue à améliorer la conception de la structure et la qualité du produit, qui revêt une grande importance pour les entreprises et les consommateurs. C'est aussi la base de modélisation et prédiction de la fiabilité. Le contrôle des vibrations est une technique permettant de réduire la énergie d'une structure vibrante lorsqu'elle est excitée par des forces extérieures. Cette technique est largement utilisé dans divers systèmes, tels que les bâtiments, les ponts, les machines-outils et véhicules. La prévision de fiabilité aide les entreprises à planifier la production et à mettre en œuvre la maintenance préventive. Pour faire les prédictions, un modèle de fiabilité est d'abord déterminé. En raison de facteurs intérieurs et extérieurs complexes, la structure les propriétés dévient toujours leurs valeurs de conception. Les incertitudes structurelles jouent un rôle important dans la modélisation de la fiabilité. Les modèles de fiabilité traditionnels sont généralement sur la base d'informations a priori et de connaissances professionnelles, ce qui était irréaliste pour les systèmes d’aujourd’hui, plus complexes et non linéaires en raison des technologies avancées. méthodologies de conception. Dans cette situation, une attention croissante a été accordée à approches d'apprentissage statistique non paramétriques. Vu comme une classification / regression procédure, la tâche de prédiction peut être réalisée par des modèles d’apprentissage automatique, tels que méthodes d’arborescence, machines à vecteurs de support, réseaux de neurones artificiels, etc. Les modèles attirent de plus en plus l'attention dans les recherches récemment publiées. Dans cette recherche, nous avons étudié plusieurs modèles d’apprentissage automatique tels que: Forêts aléatoires, Boosting adaptatif, Machines à vecteurs de support, Neural artificial Réseaux, etc. En outre, nous avons développé une nouvelle méthode d'évaluation de la fiabilité du système. pour les systèmes structurels complexes. Ces méthodes étendent les méthodes d'apprentissage statistique sur l’analyse et la prévision de la fiabilité structurelle
The study of structural reliability mainly concerns the evaluation and prediction of the risk of limit state violation for an engineering structure at any stage of its life. Reliability evaluation helps improve structure design and product quality, which is of great significance for companies and consumers. It is also the basis of reliability modeling and prediction. Vibration control is a technique to reduce the energy of a vibrating structure when it is excited by external forces. This technique is widely used in various systems, such as buildings, bridges, machine tools and vehicles. Reliability prediction helps companies make production planning and implement preventive maintenance. To do the predictions, a reliability model is firstly determined. Due to complex interior and exterior factors, the structure properties always deviate their design values. The structural uncertainties play an important role in reliability modeling. Traditional reliability models are commonly based on a priori information and professional knowledge, which has been unrealistic for today’s systems that are more complex and nonlinear due to advanced design methodologies. In this situation, growing attention has been paid to non-parametric statistical learning approaches. Seen as a classification/ regression procedure, the prediction task can be realized by machine learning models, such as Tree methods, Support vector machines, Artificial Neural Networks, etc. These models are attracting more and more attention in recent published researches. In this research, we have investigated several machine learning models such as Random Forests, Adaptive Boosting, Support vector machines, Artificial Neural Networks, etc. Besides we developed a new system reliability assessment method for complex structural systems. These methods extend statistical learning methods on structural reliability analysis and prediction

APA, Harvard, Vancouver, ISO, and other styles

50

Akindele, Oluwatoyin Tunde. "Vers un système de construction automatique de modèles génériques de structures de documents." Nancy 1, 1995. http://www.theses.fr/1995NAN10002.

Full text

Abstract:

Cette thèse traite de l'apprentissage des modèles génériques de structures de documents. L’intérêt du système conçu et développé est double: il permet de simplifier la tâche de construction manuelle du modèle souvent pénible et de contrôler les connaissances a priori données au modèle. Un travail préliminaire sur l'analyse de documents consistait en l'étude des différents formalismes existant pour représenter les structures de documents. En se basant sur le formalisme ODA, nous avons défini un modèle de structures adapté à la lecture optique de documents. Étant donne que l'architecture du modèle est arborescente, nous nous sommes dirigés naturellement vers les méthodes d'inférence de grammaires d'arbres. Chaque document est segmenté puis représenté par une structure spécifique. Afin de contrôler ce processus (ne pas altérer la structure par celles de mauvais échantillons) et d'introduire la structure logique, un modèle de base est d'abord construit à partir de quelques échantillons de documents et avec toute la vaillance de l'utilisateur. À l'étape d'inférence, la structure spécifique de chaque échantillon est d'abord comparée au modèle de base. Puis, en cas de validité, elle est utilisée pour l'inférence du modèle générique. Cette inférence est effectuée par la méthode d'inférence de grammaires d'arbres. Une dernière étape de réduction est utilisée pour éliminer les répétitions et les redondances. Le résultat de ce système est un ensemble de règles décrivant le modèle générique de la classe de documents à laquelle appartiennent les échantillons utilisés pour l'apprentissage. Le système a été testé sur une base complète de documents correspondant aux pages de titre des articles des actes des conférences ICPR (International Conference On Pattern Recognition) et les résultats sont concluants

APA, Harvard, Vancouver, ISO, and other styles

Dissertations / Theses on the topic 'Apprentissage de structures causales'

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles