To see the other types of publications on this topic, follow the link: Apprentissage de systèmes dynamiques.
Dissertations / Theses on the topic 'Apprentissage de systèmes dynamiques'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 50 dissertations / theses for your research on the topic 'Apprentissage de systèmes dynamiques.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse dissertations / theses on a wide variety of disciplines and organise your bibliography correctly.
1
Ralaivola, Liva. "Modélisation et apprentissage de systèmes et de concepts dynamiques." Paris 6, 2003. http://www.theses.fr/2003PA066277.
Full text
2
JEANPIERRE, Laurent. "Apprentissage et adaptation pour la modélisation stochastique de systèmes dynamiques réels." Phd thesis, Université Henri Poincaré - Nancy I, 2002. http://tel.archives-ouvertes.fr/tel-00003378.
Full textAbstract:
L'application des algorithmes issus de l'Intelligence Artificielle à des applications concrètes est un domaine de recherche intéressant de par les perspectives que cela ouvre. En effet, les contraintes de ces problèmes sont telles que les faiblesses des algorithmes sont mises en évidence de façon beaucoup plus efficace que sur les exemples académiques classiques. Dans cette thèse, je m'intéresse plus particulièrement à deux problèmes d'aide au diagnostic médical. Les outils développés sont donc en interaction constante avec l'équipe médicale correspondante. Je montre donc comment, en alliant la puissance de raisonnement des modèles Markoviens au côté intuitif des ensembles flous, il est possible d'obtenir un système de diagnostic viable. Pour aider encore cette coopération, j'introduis la notion d'apprentissage de diagnostic. Cette méthodologie permet en effet au médecin de corriger le diagnostic établi par le système sur un laps de temps donné. Le système adapte alors le modèle du patient, de façon à se rapprocher de la consigne, tout en respectant des contraintes de stabilité numérique. Ce processus autorise donc le médecin à modifier les paramètres du modèle de manière cohérente, et, surtout, sans avoir à régler chacun des paramètres manuellement. Je montre finalement comment cette approche peut être généralisée à des problèmes éloignés de la médecine, en prenant l'exemple de la localisation d'un robot mobile. Cette approche mène à la réalisation d'une interface de conception d'agents ‘intelligents'. L'utilisateur désireux de construire une nouvelle application peut alors mettre cette bibliothèque en œuvre, en reliant des modules les uns aux autres afin d'obtenir les traitements nécessaires. De par sa conception à base d'objets, cette bibliothèque permet aisément l'ajout ou la modification d'algorithmes au fur et à mesure de leur développement. Cela devrait aider au développement de nouvelles applications, tout en réduisant le travail nécessaire des chercheurs impliqués.
3
Jeanpierre, Laurent. "Apprentissage et adaptation pour la modélisation stochastique de systèmes dynamiques réels." Nancy 1, 2002. http://docnum.univ-lorraine.fr/public/SCD_T_2002_0246_JEANPIERRE.pdf.
Full textAbstract:
L'application concrète des algorithmes de l'intelligence artificielle est intéressante, car les contraintes fortes mettent rapidement en relief les failles des algorithmes. J'étudie en particulier le problème du diagnostic médical et de la navigation d'un robot, où l'alliance des modèles de Markov aux ensembles flous fournit en un système performant et intuitif. La coopération avec les médecins est facilitée par un apprentissage de diagnostic qui permet de corriger le résultat du système afin d'adapter le modèle tout en respectant des contraintes numériques. Un médecin peut donc modifier le modèle de façon cohérente, sans régler chaque paramètre manuellement. Je montre enfin que l'approche peut se généraliser à de nombreux problèmes. Cela a amené la réalisation d'une interface de conception visuelle qui permet de relier simplement des objets entre eux pour obtenir le calcul désiré. Cela aidera donc au développement de nouvelles applications, tout en réduisant le travail des chercheursThe exploitation of Artificial Intelligence algorithms in real conditions is an interesting method for their improvement, since weaknesses are shown very quickly thanks to real, uncontrolled constraints. In particular, I study two problems of medical diagnosis and a classical problem of robot navigation. Using fuzzy sets with Markov models provide an intuitive but powerful system to solve such situations. Then, I introduce diagnosis learning which betters the cooperation with doctors, as it allows correcting the model while ensuring numerical stability. Thus, doctors can modify the patient model without setting each parameter manually. Finally, I show this approach can be generalized to a whole class of diagnosis problems. To achieve this goal, I show an integrated development environment that allows to simply link modules altogether to have a given problem solved. This should help creating new applications, while minimizing the programming time of researchers
4
Franceschi, Jean-Yves. "Apprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques." Electronic Thesis or Diss., Sorbonne université, 2022. http://www.theses.fr/2022SORUS014.
Full textAbstract:
L'essor de l'apprentissage profond trouve notamment sa source dans les avancées scientifiques qu'il a permises en termes d'apprentissage de représentations et de modèles génératifs. Dans leur grande majorité, ces progrès ont cependant été obtenus sur des données textuelles et visuelles statiques, les données temporelles demeurant un défi pour ces méthodes. Compte tenu de leur importance pour l'automatisation croissante de multiples tâches, de plus en plus de travaux en apprentissage automatique s'intéressent aux problématiques d'évolution temporelle. Dans cette thèse, nous étudions ainsi plusieurs aspects de la temporalité et des systèmes dynamiques dans les réseaux de neurones profonds pour l'apprentissage non supervisé de représentations et de modèles génératifs. Premièrement, nous présentons une méthode générale d'apprentissage de représentations non supervisée pour les séries temporelles prenant en compte des besoins pratiques d'efficacité et de flexibilité. Dans un second temps, nous nous intéressons à l'apprentissage pour les séquences structurées de nature spatio-temporelle, couvrant les vidéos et phénomènes physiques. En les modélisant par des équations différentielles paramétrisées par des réseaux de neurones, nous montrons la corrélation entre la découverte de représentations pertinentes d'un côté, et de l'autre la fabrique de modèles prédictifs performants sur ces données. Enfin, nous analysons plus généralement dans une troisième partie les populaires réseaux antagonistes génératifs dont nous décrivons la dynamique d'apprentissage par des équations différentielles, nous permettant d'améliorer la compréhension de leur fonctionnementThe recent rise of deep learning has been motivated by numerous scientific breakthroughs, particularly regarding representation learning and generative modeling. However, most of these achievements have been obtained on image or text data, whose evolution through time remains challenging for existing methods. Given their importance for autonomous systems to adapt in a constantly evolving environment, these challenges have been actively investigated in a growing body of work. In this thesis, we follow this line of work and study several aspects of temporality and dynamical systems in deep unsupervised representation learning and generative modeling. Firstly, we present a general-purpose deep unsupervised representation learning method for time series tackling scalability and adaptivity issues arising in practical applications. We then further study in a second part representation learning for sequences by focusing on structured and stochastic spatiotemporal data: videos and physical phenomena. We show in this context that performant temporal generative prediction models help to uncover meaningful and disentangled representations, and conversely. We highlight to this end the crucial role of differential equations in the modeling and embedding of these natural sequences within sequential generative models. Finally, we more broadly analyze in a third part a popular class of generative models, generative adversarial networks, under the scope of dynamical systems. We study the evolution of the involved neural networks with respect to their training time by describing it with a differential equation, allowing us to gain a novel understanding of this generative model
5
Veillon, Lise-Marie. "Apprentissage artificiel collectif ; aspects dynamiques et structurels." Thesis, Sorbonne Paris Cité, 2018. http://www.theses.fr/2018USPCD004/document.
Full textAbstract:
L’apprentissage collectif dans un système multi-agents considère comment une communauté constituée d’agents autonomes partageant un même objectif d’apprentissage peut bénéficier, au niveau individuel et collectif, d’échanges structurés d’informations. Les agents, reliés par un réseau de communication, ont tous la faculté de percevoir des observations, appelées exemples d’apprentissage. Cette thèse s’appuie sur un protocole pré-existant, SMILE (Sound-Multi-agent-Incremental-LEarning), qui organise un échange parcimonieux d’exemples et d’hypothèses. Ce protocole garantit, dans le cas d’agents tous connectés, que les agents obtiennent une hypothèse qui tient compte de tous les exemples perçus par l’ensemble des agents. Il existe des variantes séquentielles de ce protocole qui mettent en place une propagation de l’information pour offrir les mêmes garanties dans un réseau, non pas complet mais, connexe.Cette thèse apporte deux nouveaux éclairages sur l’apprentissage artificiel collectif. Une première étude montre l’influence de la structure du réseau sur l’apprentissage avec un protocole dont les communications sont limitées au voisinage, sans propagation. Une seconde contribution présente et analyse un nouveau protocole, Waves, qui préserve les garanties de SMILE et dont les interactions en parallèle rendent l’apprentissage en réseau plus dynamique. Ce protocole est évalué en détail,dans un contexte simplifié de tour par tour, ce qui permet de le raffiner par la suite avec diverses améliorations. Il est cependant conçu pour s’adapter à un apprentissage en ligne et une acquisition non limitée, ni en temps ni en nombre, de nouveaux exemples par la communautéCollective learning in multi-agent systems considers how a community of autonomous agents sharing a learning purpose may benefit from exchanging information to learn efficiently as a community as well as individuals. The community forms a communication network where each agent may accesses observations, called learning examples. This thesis is based on a former protocol, SMILE (Sound-Multi-agent-Incremental-LEarning), which sets up parsimonious examples and hypotheses exchanges between agents. In a fully connected community, this protocol guarantees an agent’s hypothesis takes into account all the examples obtained by the community. Some sequential protocols add propagation to SMILE in order to extend this consistency guarantee to other connected networks. This thesis contribution to the artificial collective learning field is two fold.First, we investigate the influence of network structures on learning in networks when communication is limited to neighbourhood without further information propagation. Second, we present and analyze a new protocol, Waves, with SMILE’s guarantees and a more dynamic learning process thanks to its execution in parallel. The evaluation of this protocol in a simple turn-based setting gives the opportunity to improve it here in multiple ways. It is however meant to be used with online learning without any restriction on the acquisition rate of new examples, neither on speed nor number
6
Massé, Pierre-Yves. "Autour De L'Usage des gradients en apprentissage statistique." Thesis, Université Paris-Saclay (ComUE), 2017. http://www.theses.fr/2017SACLS568/document.
Full textAbstract:
Nous établissons un théorème de convergence locale de l'algorithme classique d'optimisation de système dynamique RTRL, appliqué à un système non linéaire. L'algorithme RTRL est un algorithme en ligne, mais il doit maintenir une grande quantités d'informations, ce qui le rend impropre à entraîner des systèmes d'apprentissage de taille moyenne. L'algorithme NBT y remédie en maintenant une approximation aléatoire non biaisée de faible taille de ces informations. Nous prouvons également la convergence avec probabilité arbitrairement proche de un, de celui-ci vers l'optimum local atteint par l'algorithme RTRL. Nous formalisons également l'algorithme LLR et en effectuons une étude expérimentale, sur des données synthétiques. Cet algorithme met à jour de manière adaptive le pas d'une descente de gradient, par descente de gradient sur celui-ci. Il apporte ainsi une réponse partielle au problème de la fixation numérique du pas de descente, dont le choix influence fortement la procédure de descente et qui doit sinon faire l'objet d'une recherche empirique potentiellement longue par le praticienWe prove a local convergence theorem for the classical dynamical system optimization algorithm called RTRL, in a nonlinear setting. The rtrl works on line, but maintains a huge amount of information, which makes it unfit to train even moderately big learning models. The NBT algorithm turns it by replacing these informations by a non-biased, low dimension, random approximation. We also prove the convergence with arbitrarily close to one probability, of this algorithm to the local optimum reached by the RTRL algorithm. We also formalize the LLR algorithm and conduct experiments on it, on synthetic data. This algorithm updates in an adaptive fashion the step size of a gradient descent, by conducting a gradient descent on this very step size. It therefore partially solves the issue of the numerical choice of a step size in a gradient descent. This choice influences strongly the descent and must otherwise be hand-picked by the user, following a potentially long research
7
Canu, Michaël. "Apport de l'étude conjointe de systèmes dynamiques libres et commandés dans la compréhension des concepts d'équilibre et de stabilité." Paris 7, 2014. http://www.theses.fr/2014PA070099.
Full textAbstract:
Les concepts d'équilibre et de stabilité sont très importants en automatique (la science de la commande des systèmes) et plus généralement dans tous les domaines utilisant une approche systémique visant, entre autre, à la compréhension ou à la mise en place de mécanismes de régulation (biologie, économie, électronique, chimie, etc. . . ). Nous avons pu constater un relatif manque de maîtrise de ces concepts chez les étudiants, y compris après des cours de commande des systèmes, aussi bien à l'université qu'en école d'ingénieur. La recherche en didactique des sciences s'est beaucoup intéressée à la compréhension du concept d'équilibre en chimie, mais assez peu en mécanique par exemple, et essentiellement du point de vue de la maîtrise des connaissances académiques. Or, notre travail montre que les conceptions des étudiants relatives à ce concept font appel, de façon non négligeable, aux domaines non-académiques et surtout au concept de stabilité. D'une part, notre travail a consisté à tenter de comprendre les raisons des difficultés observées à partir de l'étude des conceptions des étudiants (et des possibles facteurs qui pourraient influencer leur développement) et d'autre part, à proposer une séquence de classe au niveau de la formation d'ingénieur, visant à amorcer un changement conceptuel chez eux, en utilisant le cadre méthodologique de l'ingénierie didactique (Artigue). Nous montrons qu'il est possible d'obtenir une amélioration de la compréhension de ces concepts chez les étudiants avec ce dispositifThe concepts of balance and stability are very important in control and more generally in ail the domains usin a systematic approach aiming, among others, at the understanding or at the implementation of mechanisms of regulation (biology, economy, electronics, chemistry, etc. ). We noticed a relative lack of understanding of these concepts at the students, including after control systems courses, either at university and engineering school. The research in science education was interested a lot in the understanding of the concept of equilibrium in chemistry, but enough Utile in mechanics for example, and essentially from an academic declarative and procedural knowledge point of view. Our work shows that the conceptions of the students relative to this concept call on, in a substantial way, to the non-academic domains and especially to the concept of stability. On one hand, our work consisted in trying to understand the reasons of the difficulties observed from the study of the students' conceptions (and possible factors which could influence their development) and on the other hand, to propose a classroom sequence at the engineer's education level, to promote a conceptual change, by using the methodological frame of the didactic engineering (Artigue) and the theoretical frame of the conceptual camps. We show that it is possible to obtain an improvement of the understanding of these concepts with this kind of teaching sequence
8
Ramdani, Mohammed. "Système d'induction formelle à base de connaissances imprécises." Paris 6, 1994. http://www.theses.fr/1994PA066237.
Full textAbstract:
Notre thème de recherche traite de l'incertitude et l’imprécision dans les systèmes d'apprentissage symbolique numérique Les ensembles de données qui sont utilisés comme base d'exemples pour les systèmes d'apprentissage classiques (machine learning), sont souvent décrits par des attributs qui ont des valeurs numériques continues. Beaucoup d'algorithmes sont capables de traiter ces types d'attributs sans faire référence aux connaissances du domaine. Dans nos travaux nous utilisons les connaissances du domaine pour améliorer la qualité d'apprentissage. Nous avons principalement travaille sur les attributs qui ont une double description numérique symbolique (discret ordonné). Nous utilisons une interface numérique symbolique basée sur les sous-ensembles flous pour traiter ces données, et nous montrons la façon avec laquelle ces données doivent être exploitées dans des systèmes d'apprentissage classiques. D'autre part, nous avons étudié d'autres types de connaissances du domaine, enrichissant le processus d'apprentissage. Ces connaissances peuvent exprimer, une certaine indifférence entre les décisions, ou des similitudes entre les valeurs des attributs vis a vis des décisions. Notre approche a donné lieu à un système d'apprentissage appelé SAFI (système d'apprentissage flou interactif). Il génère un arbre de décision flou à partir d'un ensemble d'exemples contenant des données floues. Pour construire cet arbre, nous utilisons comme fonction d’évaluation une entropie floue, basée sur les probabilités floues, qui généralise l'entropie classique aux événements flous. Cet arbre de décision peut servir dans le domaine de la commande floue.
9
Teulier, Caroline. "Nature des transitions dans l'évolution des coordinations lors de l'apprentissage d'habiletés complexes." Montpellier 1, 2005. http://www.theses.fr/2005MON14005.
Full textAbstract:
Ce travail avait pour but d'analyser l'évolution des coordinations lors de l'apprentissage d'une habileté motrice complexe afin de comprendre la nature des relations entre le comportement du débutant et celui de l'expert. Pour cela, quatre études portant sur des tâches totalement nouvelles sollicitant l'ensemble du corps ont été réalisées. Durant celles-ci, l'évolution des coordinations adoptées par les participants au cours de la pratique a été observée essai par essai. Ces études ont permis de montrer que l'apprentissage se définissait par une recherche d'efficience, correspondant à une solution optimale. Dès lors que cette solution entre en compétition avec le comportement du débutant, l'apprentissage se caractérise par une phase d'alternance entre les comportements débutant et expert, semblant correspondre à une phase d'intermittence, renvoyant à une bifurcation de type saddle-node. Cette phase apparaît plus ou moins précocement dans la pratique en fonction des contraintes imposées par la tâche, qui peuvent amener les coordinations spontanées à résister longtemps à toute évolution, ou permettre une longue phase d'exploration des coordinations possibles. Entre ces deux extrêmes, une tâche suffisamment contraignante semble permettre aux sujets d'entrer rapidement dans la phase de transition. Ainsi, les coordinations débutantes semblent servir de point d'appui à l'exploration de l'espace de travail et à l'émergence de la coordination experte, suggérant une sorte de coopération entre ces premiers modes de coordination et la solution finalement adoptée au terme de l'apprentissage.
10
Daucé, Emmanuel. "Adaptation dynamique et apprentissage dans les réseaux de neurones récurrents aléatoires." Toulouse, ENSAE, 2000. https://tel.archives-ouvertes.fr/tel-01394004.
Full textAbstract:
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".
11
Nachouki, Mirna. "L'acquisition de connaissances dans les systèmes dynamiques : production et utilisation dans le cadre de l'atelier de génie didacticiel intégré." Toulouse 3, 1995. http://www.theses.fr/1995TOU30001.
Full textAbstract:
Pour personnaliser l'enseignement, les systemes d'environnement interactif d'apprentissage avec l'ordinateur doivent pouvoir imiter le comportement de l'enseignant qui exerce son activite dans le monde reel. Ainsi, durant leur utilisation, ils doivent acquerir des connaissances et revetir un aspect evolutif et dynamique. Dans le but de garantir l'evolutivite des connaissances, nous soulignons que le processus d'acquisition doit, dans un systeme dynamique, etre complete par un mecanisme d'evaluation des connaissances. Aussi, nous definissons un cycle de vie du processus d'acquisition au cours duquel les connaissances sont raffinees de maniere progressive avant d'etre integrees dans la representation la plus adequate. Nous decrivons alors une representation permettant de formaliser differentes methodes d'acquisition respectant le cycle de vie propose. Pour supporter ce processus, nous proposons une architecture basee sur trois modeles. Le premier est constitue des connaissances necessaires au fonctionnement du systeme. Le second s'articule autour d'une base de taches representant la globalite des operations conceptuelles impliquees dans une methode d'acquisition de connaissances. Pour realiser une tache dans un contexte bien particulier, des agents (concept issu de l'intelligence artificielle distribuee) ont ete formalises. Chacun d'eux represente une methode possible de resolution de cette tache. Le troisieme modele est constitue des metaconnaissances qui assurent le pilotage et le controle des deux autres modeles, grace aux differentes methodes d'acquisition. Nos travaux constituent un pas supplementaire vers le developpement des systemes d'apprentissage reellement dynamiques, donc plus reactifs et mieux adaptes a chaque situation d'enseignement
12
Plassart, Stéphan. "Optimisation en-ligne pour les systèmes dynamiques en temps-réel." Thesis, Université Grenoble Alpes, 2020. http://www.theses.fr/2020GRALM017.
Full textAbstract:
La consommation d'énergie est un enjeu crucial pour les systèmes temps réel,c'est pourquoi l'optimisation en ligne, c'est-à-dire pendant l'exécution du processeur, est devenue essentielle et sera le but de cette thèse.Cette optimisation se fait en adaptant la vitesse du processeur lors de l'exécution des tâches.Cette thèse aborde plusieurs situations avec des connaissances différentes sur les caractéristiques des tâches passées, actuelles et futures.Tout d'abord, nous considérons que toutes les caractéristiques des tâches sont connues (le cas hors ligne),et nous proposons un algorithme linéaire en temps pour déterminer les choix de vitesses pour exécuter n tâches sur un seul processeur.Deuxièmement, en utilisant les processus de décision de Markov, nous résolvons le cas où les caractéristiques des tâches passées et actuelles sont entièrement connues,et pour les futures tâches, seule la distribution de probabilité des caractéristiques des tâches (heures d'arrivée, temps d'exécution et délais) est connue.Troisièmement, nous étudions un cas plus général : le temps d'exécution n'est découvert que lorsque la tâche est terminée.En outre, nous considérons également le cas où nous n'avons aucune connaissance statistique des tâches,nous devons donc utiliser des méthodes d'apprentissage pour déterminer les vitesses optimales du processeur en ligne.Enfin, nous proposons une analyse de faisabilité (la capacité du processeur à exécuter toutes les tâches avant leurs échéances quand il fonctionne toujours à vitesse maximale) de plusieurs politiques en ligne classiques,et nous montrons que notre algorithme de programmation dynamique est également le meilleur en terme de faisabilitéThe energy consumption is a crucial issue for real-time systems,that's why optimizing it online, i.e. while the processor is running, has become essential and will be the goal of this thesis.This optimization is done by adapting the processor speed during the job execution.This thesis addresses several situations with different knowledge on past, active and future job characteristics.Firstly, we consider that all job characteristics are known (the offline case),and we propose a linear time algorithm to determine the speed schedule to execute n jobs on a single processor.Secondly, using Markov decision processes, we solve the case where past and active job characteristics are entirely known,and for future jobs only the probability distribution of the jobs characteristics (arrival times, execution times and deadlines) are known.Thirdly we study a more general case: the execution is only discovered when the job is completed.In addition we also consider the case where we have no statistical knowledge on jobs,so we have to use learning methods to determine the optimal processor speeds online.Finally, we propose a feasibility analysis (the processor ability to execute all jobs before its deadline when it works always at maximal speed) of several classical online policies,and we show that our dynamic programming algorithm is also the best in terms of feasibility
13
Scesa, Vincent. "Contrôleurs neuronaux dynamiques et apprentissage : du perfectionnement des algorithmes à leur application temps réel sur des systèmes robotiques." Versailles-St Quentin en Yvelines, 2006. http://www.theses.fr/2006VERS0009.
Full textAbstract:
Comment contrôler un système dont la connaissance est incomplète ou délicate à synthétiser ?Lorsque la modélisation théorique atteint ses limites, l'alliance de l'observation, de l'apprentissage et de l'expérience peut répondre à cette question et combler ainsi les lacunes des techniques conventionnelles. Cette thèse donne un aperçu complet de la réalisation de ce type de contrôle pour des systèmes dynamiques complexes. A travers la proposition d'une classification des techniques existantes, le choix des algorithmes du contrôleur est tout d'abord exposé (réseaux CTRNN - Continuous Time Recurrent Neural Networks - et apprentissage BPTT - BackPropagation Through Time). Pour permettre de stabiliser et d'améliorer leurs comportements, des adaptations et des perfectionnements du modèle de neurones et de l'algorithme d'apprentissage sont ensuite proposés et validés expérimentalement. Puis les différents principes algorithmiques mis en œuvre pour respecter les contraintes temps réel de nos applications exposent une façon d'implémenter ce contrôleur neuronal dans des cartes de contrôle industrielle. Enfin, les expérimentations menées sur deux systèmes dynamiques polyarticulés : le simulateur de route de l'entreprise BIA et le robot bipède ROBIAN du laboratoire LISV, confrontent la méthodologie développée à des applications réelles et leurs contraintes. Une discussion sur l'emploi possible du contrôleur proposé pour la commande de ce type de système est finalement donnéeHow can we control a system that is difficult to model or with an incomplete knowledge?When theorical modeling reaches its limits, the cooperation between observation, learning and experience could answer this question and fill the lack of conventional techniques. This thesis gives a complete view of how to carry out this kind of control methodology for complex dynamical systems. Through a proposed classification of the current control techniques, the algorithm choices are first exposed (CTRNN networks - Continuous Time Recurrent Neural Networks - and BPTT learning -BackPropagation Through Time). To enable the stabilization and the amelioration of their behaviour, adaptations and improvements are then proposed and experimentally validated. Next, the algorithmic principles carried out to follow the real time constraints of our applications shows a way to implement this controller in industrial electronic units. At last, the experiments carried out on two polyarticulated dynamical systems: the road simulator of the BIA company and the biped robot of the LISV laboratory, confronts the developed methodology with real applications and associated constraints. A discussion on the use of our controller for the command of this kind of system is finally given
14
Boukharouba, Khaled. "Modélisation et classification de comportements dynamiques des systèmes hybrides." Thesis, Lille 1, 2011. http://www.theses.fr/2011LIL10088/document.
Full textAbstract:
Les travaux de cette thèse portent sur l'identification des systèmes dynamiques hybrides. Nous nous intéressons plus précisément à l'identification d'une classe particulière des systèmes hybrides qui est la classe des modèles dynamiques affines par morceaux (PWA). Nous faisons tout d'abord un état de l'art sur d'identification des modèles PWA. Nous proposons ensuite de nouvelles méthodes d'identification des modèles PWA basées sur des techniques innovantes de classification non supervisée combinées avec des techniques de régression pour grouper les données selon leurs sous-modèles respectifs. Puis nous procédons à l'estimation des régions de validité des sous-modèles. Nous proposons ensuite un algorithme récursif d'identification de modèles dynamiques affines par morceaux (PWA) et de modèles dynamiques non linéaires par morceaux dont les paramètres des sous-modèles et des régions peuvent varier dans le temps. Une technique de régression par des LS-SVM récursifs permettant l'adaptation des fonctions de régression est ainsi proposée. L'adaptation des paramètres des régions de validité est assurée par un nouvel algorithme de classification incrémentale et décrémentale multi-classe à vecteurs de support. La dernière partie de ce travail est consacrée à la validation de nos méthodes sur des exemples réels. Nous appliquons nos méthodes à l'identification d'un système hydraulique à surface libre puis à la modélisation d'une machine de montage de composants électroniques sur circuit imprimé. Nous montrons aussi comment la segmentation temporelle de vidéos en différentes scènes peut être effectuée en se basant sur une estimation de sous-modèles linéaires locauxIn this thesis, we consider the identification of a special class of hybrid systems which is the class of PieceWise Affine (PWA) systems from input-output data. The identification of PWA models is a challenging problem. It involves the estimation of both the parameters of the affine sub-models, and the coefficients of the hyperplanes defining the partition of the state + input set. First, we give an overview of the different approaches available in the literature for the identification of PWA systems. Then, we propose new methods for identifying PWA models from data. The solution includes the estimation of the number of sub-models, the identification of the parameter vectors that describe the different sub-models and the determination of the bounding hyperplanes of the polyhedral regions associated with the sub-models. After this, we propose a recursive algorithm for identifying PieceWise Affine systems (PWA) and PieceWise nonlinear systems where the parameters of the sub-models and the regions can vary over time. A recursive LS-SVM technique is proposed for recursive updating of the parameters of each sub-model. The adaptation of the parameters of the regions is ensured by an online multi-category support vector classifier. The last part of this work is devoted to the validation of our methods on real examples. We apply our methods to the identification of a hydraulic system and a pick-and-place machine. We also show how the temporal segmentation of video into different shots can be performed, based on the estimation of local linear sub-models
15
Mezine, Adel. "Conduite d'expériences par apprentissage actif pour l'identification de systèmes dynamiques biologiques : application à l'estimation de paramètres d'équations différentielles ordinaires." Thesis, Université Paris-Saclay (ComUE), 2016. http://www.theses.fr/2016SACLE030/document.
Full textAbstract:
Ces dernières années, les progrès continuels des techniques de criblage et de séquençage à haut débit ont nourri la biologie des systèmes, ouvrant la voie à l’identification de systèmes dynamiques biologiques tels que des réseaux de régulation génique. Cependant, l’insuffisance et la mauvaise qualité des données expérimentales se traduisent trop souvent par des estimations incertaines des paramètres d’intérêt des systèmes étudiés : ces incertitudes peuvent être levées en produisant de nouvelles données dans des conditions expérimentales variées, ce qui implique un coût potentiellement élevé. Dans cette thèse, nous proposons un nouvel algorithme d’apprentissage actif, destiné à recommander de manière séquentielle les expériences les plus utiles à l’identification de systèmes dynamiques biologiques modélisés par des équations différentielles. Le problème est formulé sous la forme d’un jeu à un joueur : le joueur se voit attribuer un budget dédié aux expérimentations, et un coût spécifique est affecté à chaque expérience ; à chaque tour, il est amené à choisir une, voire plusieurs expériences réalisées sur le système étudié dans le but de maximiser la qualité de l’estimation, une fois le budget épuisé. Notre approche, intitulée « ExperimentalDEsign for Network inference » (EDEN), s’appuie sur la classe d’algorithme UCT (Upper Confidence bounds for Trees search) qui allie la souplesse de la recherche arborescente de Monte-Carlo à l’efficacité des algorithmes de bandits multi-bras pour parcourir l’ensemble des séquences d’expériences possibles en privilégiant surtout celles qui sont les plus prometteuses. EDEN présente le grand avantage d’anticiper les expériences suivantes en sélectionnant à chaque tour des expériences sachant qu’elles seront suivies par un certain nombre d’autres expériences. Illustrée sur deux cas d’étude, le réseau de signalisation JAK/STAT et un des réseaux de régulation génique proposé dans la compétition internationale DREAM7, EDEN, entièrement automatique, obtient de très bonnes performances pour un budget limité et un large choix d’expériences (perturbations, mesures)Continuous progress in screening and high-throughput sequencing techniques in recent years paves the way for the identification of dynamic biological systems such as gene regulatory networks. However, the scarcity of the experimental data often leads to anuncertain estimation of parameters of interest. These uncertainties can be solved by generating new data in different experimental conditions, which induces additional costs. This thesis proposes a general active learning approach to develop tools of sequential experimental design for the identification of dynamical biological systems. The problem is formulated as a one-player game : the player has a budget dedicated for his experiments, each experiment has a different cost ; at every turn, he chooses one or more experiments to be performed on the system with the ultimate aim of maximizing the quality of the estimate, until the available budget is exhausted. The proposed approach called Experimental DEsign for Network inference (EDEN), is based on UCT (Upper Confident bounds for Trees) algorithm which combines Monte-Carlo tree search algorithms with multi-arm bandits to perform an effective exploration of the possible sequences of experiments. A strong point of the approach is anticipation : an experiment is selected at each round, knowing that this round will be followed by a number of other experiments, according to the available budget. This generic approach is rolled out in parameter estimation in nonlinear ordinary differential equations using partial observations. EDEN is applied on two problems : signaling network and gene regulatory network identification. Compared to the competitors, it exhibits very good results on a DREAM7 challenge where a limited budget and a wide range of experiments (perturbations, measurements) are available
16
Dzogang, Fabon. "Représentation et apprentissage à partir de textes pour des informations émotionnelles et pour des informations dynamiques." Paris 6, 2013. http://www.theses.fr/2013PA066253.
Full textAbstract:
L'extraction de connaissances automatique à partir de textes consiste àmettre en correspondance une information bas niveau, extraite desdocuments au travers des mots et des groupes de mots, avec uneinformation de plus haut niveau. Les choix de représentation pourdécrire les documents sont alors essentiels et leurs particularitéscontraignent la définition de l'algorithme d'apprentissage mis enoeuvre. Les travaux de cette thèse considèrent ces deux problématiquesd'une part pour des informations émotionnelles, d'autre part pour desinformations dynamiques. Dans une première partie, nous considérons une tâche d'extraction desémotions pour laquelle le fossé sémantique est plus important que pourdes informations traditionnellement thématiques. Aussi, nous étudionsdes représentations destinées à capturer les nuances du langage pourdécrire une information subjective puisque émotionnelle. Nous étudionsde plus l'intégration de connaissances sémantiques qui permettent, dans unetâche de caractérisation, d'extraire la charge émotionnelle desdocuments, dans une tâche de prédiction de guider l'apprentissageréalisé. Dans une seconde partie, nous étudions la dynamique de l'information :à tout corpus de documents publié sur Internet peut être associé dessources en perpétuelle activité qui échangent des informations dansun mouvement continu. Nous explorons trois axes d'étude : les sourcesidentifiées, les communautés qu'elles forment dans un espace dynamiquetrès parcimonieux, et les thématiques remarquables qu'ellesdéveloppent. Pour chacun nous proposons des méthodes d'extractionoriginales que nous mettons en oeuvre sur un corpus réel collecté encontinu sur InternetAutomatic knowledge extraction from texts consists in mapping lowlevel information, as carried by the words and phrases extracted fromdocuments, to higher level information. The choice of datarepresentation for describing documents is, thus, essential and thedefinition of a learning algorithm is subject to theirspecifics. This thesis addresses these two issues in the context ofemotional information on the one hand and dynamic information on theother. In the first part, we consider the task of emotion extraction forwhich the semantic gap is wider than it is with more traditionalthematic information. Therefore, we propose to study representationsaimed at modeling the many nuances of natural language used fordescribing emotional, hence subjective, information. Furthermore, wepropose to study the integration of semantic knowledge which provides,from a characterization perspective, support for extracting theemotional content of documents and, from a prediction perspective,assistance to the learning algorithm. In the second part, we study information dynamics: any corpus ofdocuments published over the Internet can be associated to sources inperpetual activity which exchange information in a continuousmovement. We explore three main lines of work: automaticallyidentified sources; the communities they form in a dynamic and verysparse description space; and the noteworthy themes they develop. Foreach we propose original extraction methods which we apply to a corpusof real data we have collected from information streams over the Internet
17
Colliaux, David. "Classes of neuronal dynamics and experience dependent structured correlations in the visual cortex." Palaiseau, Ecole polytechnique, 2011. http://pastel.archives-ouvertes.fr/docs/00/67/61/04/PDF/HPEA.pdf.
Full textAbstract:
Neuronal activity is often considered in cognitive neuroscience by the evoked response but most the energy used by the brain is devoted to the sustaining of ongoing dynamics in cortical networks. A combination of classification algorithms (K means, Hierarchical tree, SOM) is used on intracellular recordings of the primary visual cortex of the cat to define classes of neuronal dynamics and to compare it with the activity evoked by a visual stimulus. Those dynamics can be studied with simplified models (FitzHugh Nagumo, hybrid dynamical systems, Wilson Cowan) for which an analysis is presented. Finally, with simulations of networks composed of columns of spiking neurons, we study the ongoing dynamics in a model of the primary visual cortex and their effect on the response evoked by a stimulus. After a learning period during which visual stimuli are presented, waves of depolarization propagate through the network. The study of correlations in this network shows that the ongoing dynamics reflect the functional properties acquired during the learning periodL'activité neuronale est souvent considérée en neuroscience cognitive par la réponse évoquée mais l'essentiel de l'énergie consommée par le cerveau permet d'entretenir les dynamiques spontanées des réseaux corticaux. L'utilisation combinée d'algorithmes de classification (K means, arbre hirarchique, SOM) sur des enregistrements intracellulaires du cortex visuel primaire du chat nous permet de définir des classes de dynamiques neuronales et de les comparer l'activité évoquée par un stimulus visuel. Ces dynamiques peuvent être étudiées sur des systèmes simplifiés (FitzHugh-Nagumo, systèmes dynamiques hybrides, Wilson-Cowan) dont nous présentons l'analyse. Enfin, par des simulations de réseaux composés de colonnes de neurones, un modèle du cortex visuel primaire nous permet d'étudier les dynamiques spontanées et leur effet sur la réponse à un stimulus. Après une période d'apprentissage pendant laquelle des stimuli visuels sont presentés, des vagues de dépolarisation se propagent dans le réseau. L'étude des correlations dans ce réseau montre que les dynamiques spontanées reflètent les propriétés fonctionnelles acquises au cours de l'apprentissage
18
Komar, John. "Dynamique de l'apprentissage moteur : apprendre loin de l'équilibre." Rouen, 2013. http://www.theses.fr/2013ROUEL009.
Full textAbstract:
Prenant pour cadre la théorie des systèmes dynamiques, l'objet de cette thèse est d'analyser la dynamique temporelle de l'acquisition des coordinations motrices, en rapport au poids des contraintes qui pèsent sur l'apprenant. Notre travail se propose alors d'étudier l'apprentissage de la coordination bras-jambe en brasse ; dans un milieu aquatique où la motricité naturelle des individus est fortement contrariée par les contraintes de l'environnement. Un point d'orgue est mis sur l'étude de l' aspect fonctionnel de la variabilité des comportements et sur la manipulation des contraintes au cours de l'apprentissage comme un moyen de favoriser l'activité exploratoire des apprenants. A travers l'utilisation d'analyses vidéo en 3-Dimensions et de capteurs de mouvement, la coordination bras-jambes a été étudiée à travers les oscillations des coudes et des genoux. La stabilité mais également la flexibilité de la coordination experte a été mise en avant (étude 1), de même que l'effet du poids des contraintes environnementales sur l'expression du caractère dégénératif des systèmes neurobiologiques (étude 2). L'utilisation d'instructions verbales comme contraintes temporaires pesant sur l'apprenant a ensuite été étudiée à travers son effet sur la dynamique temporelle de la coordination et sur les stratégies exploratoires mises en œuvre par les apprenants (études 3 et 4). L'ensemble des résultats tend à montrer que dans un milieu spécifique comme le milieu aquatique où un pattern de coordination biomécaniquement efficace est à apprendre, les changements qualitatifs du comportement s'opèrent à travers des périodes de métastabilité reflétant une exploration active de l'espace de travail perceptivo-moteur. De plus, manipuler les contraintes de tâches sans prescrire la coordination à apprendre permet de guider l'exploration (i. E. Proscrire ce qu'il ne faut pas faire plutôt que prescrire ce qu'il faut faire). Ces résultats plaident en faveur de l'utilisation d'une pédagogie non-linéaire qui tend à encourager un apprentissage exploratoireBased on the theoretical background of Dynamical Systems Theory, the aim of this thesis is to analyze the temporal dynamics of motor coordination, in relation to the constraints acting on the learner. Specifically, this work investigates the learning process of arm-leg coordination in aquatic locomotion, notably in breaststroke swimming, which is a context where natural individual motor behavior is specifically constrained by environmental constraints. An emphasis is placed on the study of the functional rôle of coordination variability and the rôle of manipulating constraints as a way of promoting exploratory activity in order to investigate issues surrounding learning optimization. Through the use of 3-Dimensions video analysis and motion sensors, the arm-leg coordination has been studied based on the oscillations of knee and elbow angles. The stability and the flexibility of the expert pattern of coordination has been highlighted (study 1), as well as the effect of the level of environmental constraints on the expression of neurobiological degeneracy (study 2). The use of verbal instructions as temporary constraints acting on the learner has then been studied through his effect on the temporal dynamics of the coordination and the different search strategies exhibited by learners (studies 3 and 4). Overall, The results tend to show that in a specific environment as the aquatic environment, the to-be-learned pattern of coordination refers to a biomechanically expert coordination. Nevertheless, the qualitative changes during learning operate through periods of metastability, reflecting an active exploration of the perceptual-motor workspace. In addition, manipulating task constraints without prescribing the to-be-learned pattern can be useful in guiding the exploration (i. E. Proscribe what not to do rather than prescribe what to do). These results advocate for the use of a non-linear pedagogical approach that tends to encourage exploratory learning
19
CERRADA, LOZADA Mariela. "Sur les modèles flous adaptatifs dynamiques." Phd thesis, INSA de Toulouse, 2003. http://tel.archives-ouvertes.fr/tel-00010013.
Full textAbstract:
La contribution principale de ce travail de recherche est la proposition d'un modèle flou avec des fonctions d'appartenance dynamiques à paramètres ajustables en ligne, par un algorithme basé sur l'Apprentissage par Renforcement (AR). L'approche présentée prend en compte la dynamique des variables du système en introduisant, dans les fonctions d'appartenance d'un modèle flou, la valeur moyenne et la variance des variables d'entrée et de sortie du modèle au temps t. De cette manière, les ensembles flous se déplacent sur le domaine de discours des variables, en fonction des valeurs de la moyenne et de la variance échantillonnées ;ainsi, la possibilité d'obtenir des ensembles flous disjoints peut être minimisée. La propriété dynamique du modèle flou proposé est un atout pour résoudre les problèmes de commande de systèmes variant avec le temps, par exemple. Des exemples d'identification de fonctions non-linéaires, variant avec le temps, illustrent la capacité du modèle flou adaptatif dynamique pour l'identification des systèmes. Une application à la commande prédictive a été développée, en utilisant le modèle flou proposé comme modèle de prédiction et l'AR pour résoudre le problème d'optimisation de ce type de schéma de commande. Finalement, l'utilisation de l'information contenue dans les fonctions d'appartenance dynamiques du modèle flou à des niveaux supérieurs de supervision et diagnostic, a été aussi discutée comme perspective intéressante d'application de ce type de modèles.
20
Bézenac, Emmanuel de. "Modeling physical processes with deep learning : a dynamical systems approach." Electronic Thesis or Diss., Sorbonne université, 2021. http://www.theses.fr/2021SORUS203.
Full textAbstract:
L'apprentissage profond s'impose comme un outil prédominant pour l'IA, avec de nombreuses applications fructueuses pour des taches où les données sont abondantes et l'accès aux connaissances préalables est difficile. Cependant ce n'est pas encore le cas dans le domaine des sciences naturelles, et encore moins pour l'étude des systèmes dynamiques. En effet, ceux-ci font l'objet d'études depuis des siècles, une quantité considérable de connaissances a ainsi été acquise, et des algorithmes et des méthodes ingénieux ont été développés. Cette thèse a donc deux objectifs principaux. Le premier concerne l'étude du rôle que l'apprentissage profond doit jouer dans ce vaste écosystème de connaissances, de théories et d'outils. Nous tenterons de répondre à cette question générale à travers un problème concret: la modélisation de processus physiques complexes à l'aide de l'apprentissage profond. Le deuxième objectif est en quelque sorte son contraire; il concerne l'analyse les algorithmes d'apprentissage profond à travers le prisme des systèmes dynamiques et des processus physiques, dans le but d'acquérir une meilleure compréhension et de développer de nouveaux algorithmes pour ce domaineDeep Learning has emerged as a predominant tool for AI, and has already abundant applications in fields where data is abundant and access to prior knowledge is difficult. This is not necessarily the case for natural sciences, and in particular, for physical processes. Indeed, these have been the object of study since centuries, a vast amount of knowledge has been acquired, and elaborate algorithms and methods have been developped. Thus, this thesis has two main objectives. The first considers the study of the role that deep learning has to play in this vast ecosystem of knowledge, theory and tools. We will attempt to answer this general question through a concrete problem: the one of modelling complex physical processes, leveraging deep learning methods in order to make up for lacking prior knowledge. The second objective is somewhat its converse: it focuses on how perspectives, insights and tools from the field of study of physical processes and dynamical systems can be applied in the context of deep learning, in order to gain a better understanding and develop novel algorithms
21
Ben, Abdallah Emna. "Étude de la dynamique des réseaux biologiques : apprentissage des modèles, intégration des données temporelles et analyse formelle des propriétés dynamiques." Thesis, Ecole centrale de Nantes, 2017. http://www.theses.fr/2017ECDN0041.
Full textAbstract:
Au cours des dernières décennies, l’émergence d’une large gamme de nouvelles technologies a permis de produire une quantité massive de données biologiques (génomique, protéomique...). Ainsi, une grande quantité de données de séries temporelles est maintenant élaborée tous les jours. Nouvellement produites, ces données peuvent nous fournir des nouvelles interprétations sur le comportement des Systèmes Biologiques (SB). Cela conduit alors à des développements considérables dans le domaine de la bioinformatique qui peuvent tirer profit de ces données. Ceci justifie notre motivation pour le développement de méthodes efficaces qui exploitent ces données pour l’apprentissage des Réseaux de Régulation Biologique (RRB) modélisant les SB. Nous introduisons alors, dans cette thèse, une nouvelle approche qui infère des RRB à partir des données de séries temporelles. Les RRB appris sont présentés avec un nouveau formalisme, introduit dans cette thèse, appelé " réseau d’automates avec le temps" (T-AN). Ce dernier assure le raffinement de la dynamique des RRB, modélisés avec le formalisme des réseaux d’automates (AN), grâce à l’intégration d’un paramètre temporel (délai) dans les transitions locales des automates. Cet enrichissement permet de paramétrer les transitions entre les états locaux des automates et aussi entre les états globaux du réseau. À posteriori de l’apprentissage des RRB, et dans le but d’avoir une meilleure compréhension de la nature du fonctionnement des SB, nous procédons à l’analyse formelle de la dynamique des RRB. Nous introduisons alors des méthodes logiques originales (développées en Answer Set Programming) pour déchiffrer l’énorme complexité de la dynamique des SB. Les propriétés dynamiques étudiées sont : l’identification des attracteurs (ensemble d’états globaux terminaux dont le réseau ne peut plus s’échapper) et la vérification de la propriété d’atteignabilité d’un objectif (un ensemble de composants) à partir d’un état global initial du réseauOver the last few decades, the emergence of a wide range of new technologies has produced a massive amount of biological data (genomics, proteomics...). Thus, a very large amount of time series data is now produced every day. The newly produced data can give us new ideas about the behavior of biological systems. This leads to considerable developments in the field of bioinformatics that could benefit from these enormous data. This justifies the motivation to develop efficient methods for learning Biological Regulatory Networks (BRN) modeling a biological system from its time series data. Then, in order to understand the nature of system functions, we study, in this thesis, the dynamics of their BRN models. Indeed, we focus on developing original and scalable logical methods (implemented in Answer Set Programming) to deciphering the emerging complexity of dynamics of biological systems. The main contributions of this thesis are enumerated in the following. (i) Refining the dynamics of the BRN, modeling with the automata Network (AN) formalism, by integrating a temporal parameter (delay) in the local transitions of the automata. We call the extended formalism a Timed Automata Network (T-AN). This integration allows the parametrization of the transitions between each automata local states as well as between the network global states. (ii) Learning BRNs modeling biological systems from their time series data. (iii) Model checking of discrete dynamical properties of BRN (modeling with AN and T-AN) by dynamical formal analysis : attractors identification (minimal trap domains from which the network cannot escape) and reachability verification of an objective from a network global initial state
22
Lepère, Stéphane. "Contribution à la prédiction en ligne des séries temporelles : un cas d'étude à la modélisation de systèmes dynamiques." Lille 1, 2001. https://pepite-depot.univ-lille.fr/RESTREINT/Th_Num/2001/50376-2001-219.pdf.
Full textAbstract:
Cette thèse porte sur la modélisation des systèmes dynamiques, et tente, en particulier, d'apporter une solution au problème de la prédiction de séries temporelles en temps réel. Le premier prédicteur présenté utilise la logique floue. Afin que la phase d'apprentissage puisse se faire sans expert (apprentissage non supervisé), nous avons adopté, pour celle-ci, la méthode d'extraction de règles floues de Abe. Cette méthode, outre qu'elle offre un caractère robuste, permet une interprétation facile du comportement du système sous-jacent, car elle utilise des hyper-volumes simples pour définir les relations qui lient les observations passées et les sorties futures du système. Afin d'améliorer la précision, plusieurs algorithmes ont été développés de manière à adapter les règles floues et les paramètres du modèle lorsque la base d'apprentissage évolue. Le second prédicteur utilise, pour sa part, les propriétés géométriques du signal à prédire. Son originalité réside dans l'utilisation des informations liées au cercle osculateur. Elle est composée d'une procédure locale, qui a pour objectif de construire à chaque instant le cercle osculateur à la courbe représentative du signal, et d'une procédure globale qui permet de prendre en compte les observations passées (base d'apprentissage évolutive). La mise en oeuvre de ces deux méthodes sur plusieurs séries temporelles, ainsi que leurs comparaisons avec des techniques existantes, les font apparaître comme des alternatives très intéressantes, dans le domaine de la prédiction temps réel.
23
Dia, Diyé. "Systèmes producteurs de confiance : ouverture de droit à des services par apprentissage dynamique du comportement des utilisateurs du système d'information." Thesis, Clermont-Ferrand 2, 2016. http://www.theses.fr/2016CLF22396/document.
Full text
24
Rolland, de Rengervé Antoine. "Apprentissage Interactif en Robotique Autonome : vers de nouveaux types d'IHM." Phd thesis, Université de Cergy Pontoise, 2013. http://tel.archives-ouvertes.fr/tel-00969519.
Full textAbstract:
Un robot autonome collaborant avec des humains doit être capable d'apprendre à se déplacer et à manipuler des objets dans la même tâche. Dans une approche classique, on considère des modules fonctionnels indépendants gérant les différents aspects de la tâche (navigation, contrôle du bras...). A l'opposé, l'objectif de cette thèse est de montrer que l'apprentissage de tâches de natures différentes peut être abordé comme un problème d'apprentissage d'attracteurs sensorimoteurs à partir d'un petit nombre de structures non spécifiques à une tâche donnée. Nous avons donc proposé une architecture qui permet l'apprentissage et l'encodage d'attracteurs pour réaliser aussi bien des tâches de navigation que de contrôle d'un bras.Comme point de départ, nous nous sommes appuyés sur un modèle inspiré des cellules de lieu pour la navigation d'un robot autonome. Des apprentissages en ligne et interactifs de couples lieu/action sont suffisants pour faire émerger des bassins d'attraction permettant à un robot autonome de suivre une trajectoire. En interagissant avec le robot, on peut corriger ou orienter son comportement. Les corrections successives et leur encodage sensorimoteur permettent de définir le bassin d'attraction de la trajectoire. Ma première contribution a été d'étendre ce principe de construction d'attracteurs sensorimoteurs à un contrôle en impédance pour un bras robotique. Lors du maintien d'une posture proprioceptive, les mouvements du bras peuvent être corrigés par une modification en-ligne des commandes motrices exprimées sous la forme d'activations musculaires. Les attracteurs moteurs résultent alors des associations simples entre l'information proprioceptive du bras et ces commandes motrices. Dans un second temps, j'ai montré que le robot pouvait apprendre des attracteursvisuo-moteurs en combinant les informations proprioceptives et visuelles. Le contrôle visuo-moteur correspond à un homéostat qui essaie de maintenir un équilibre entre ces deux informations. Dans le cas d'une information visuelle ambiguë, le robot peut percevoir un stimulus externe (e.g. la main d'un humain) comme étant sa propre pince. Suivant le principe d'homéostasie, le robot agira pour réduire l'incohérence entre cette information externe et son information proprioceptive. Il exhibera alors un comportement d'imitation immédiate des gestes observés. Ce mécanisme d'homéostasie, complété par une mémoire des séquences observées et l'inhibition des actions durant l'observation, permet au robot de réaliser des imitations différées et d'apprendre par observation. Pour des tâches plus complexes, nous avons aussi montré que l'apprentissage de transitions peut servir de support pour l'apprentissage de séquences de gestes, comme c'était le cas pour l'apprentissage de cartes cognitives en navigation. L'utilisation de contextes motivationnels permet alors le choix entre les différentes séquences apprises.Nous avons ensuite abordé le problème de l'intégration dans une même architecture de comportements impliquant une navigation visuomotrice et le contrôle d'un bras robotique pour la préhension d'objets. La difficulté est de pouvoir synchroniser les différentes actions afin que le robot agisse de manière cohérente. Les comportements erronés du robot sont détectés grâce à l'évaluation des actions proposées par le modèle vis à vis des corrections imposées par le professeur humain. Un apprentissage de ces situations sous la forme de contextes multimodaux modulant la sélection d'action permet alors d'adapter le comportement afin que le robot reproduise la tâche désirée.Pour finir, nous présentons les perspectives de ce travail en terme de contrôle sensorimoteur, pour la navigation comme pour le contrôle d'un bras robotique, et son extension aux questions d'interface homme/robot. Nous insistons sur le fait que différents types d'imitation peuvent être le fruit des propriétés émergentes d'une architecture de contrôle sensorimotrice.
25
Le, Van Luong. "Identification de systèmes dynamiques hybrides : géométrie, parcimonie et non-linéarités." Phd thesis, Université de Lorraine, 2013. http://tel.archives-ouvertes.fr/tel-00874283.
Full textAbstract:
En automatique, l'obtention d'un modèle du système est la pierre angulaire des procédures comme la synthèse d'une commande, la détection des défaillances, la prédiction... Cette thèse traite de l'identification d'une classe de systèmes complexes, les systèmes dynamiques hybrides. Ces systèmes impliquent l'interaction de comportements continus et discrets. Le but est de construire un modèle à partir de mesures expérimentales d'entrée et de sortie. Une nouvelle approche pour l'identification de systèmes hybrides linéaires basée sur les propriétés géométriques des systèmes hybrides dans l'espace des paramètres est proposée. Un nouvel algorithme est ensuite proposé pour le calcul de la solution la plus parcimonieuse (ou creuse) de systèmes d'équations linéaires sous-déterminés. Celui-ci permet d'améliorer une approche d'identification basée sur l'optimisation de la parcimonie du vecteur d'erreur. De plus, de nouvelles approches, basées sur des modèles à noyaux, sont proposées pour l'identification de systèmes hybrides non linéaires et de systèmes lisses par morceaux.
26
Donà, Jérémie. "Statistical learning of physical dynamics." Electronic Thesis or Diss., Sorbonne université, 2022. http://www.theses.fr/2022SORUS166.
Full textAbstract:
La modélisation de processus naturels repose souvent sur une description physique qui prescrit les changements dans l'état du système. L'utilisation de connaissances spécifiques relatives au système permet la traduction de principes physiques en modèles, ensuite validés par des données expérimentales. Fort de succès dans de nombreux domaines comme la classification d'images, l'apprentissage profond est devenu un outil puissant pour la modélisation de processus physiques. Toutefois, l'apprentissage statistique de processus physiques uniquement guidée par les données souffre de plusieurs limites comme l'instabilité lors de l'apprentissage et les capacités de généralisation réduites. Un objectif de ce travail réside dans la construction d'outils permettant la prédiction de systèmes physiques. En particulier, nous étudions les phénomènes spatio-temporels obéissant à une équation différentielle et nous concentrons sur l'incorporation de connaissances a priori dans les algorithmes d'apprentissage. Ainsi nous étudions les systèmes hybrides physiques-statistiques pour la modélisation de processus physiques. Après avoir identifier les problèmes liés à l'apprentissage de dynamiques hybrides nous proposons un cadre et des contraintes adaptés afin d'améliorer l'interprétabilité et la performance des algorithmes appris. A l'inverse, les systèmes dynamiques ont fourni de nombreux outils pour améliorer les modèles statistiques. Toutefois, les réseaux de neurones restent qualifiés de "boîte-noire" car non interprétables. Ainsi, nous tenterons d'ouvrir la boîte noire et de proposer des architectures de réseaux de neurones plus interprétables et aux capacités de généralisation accruesThe modeling of natural processes relies on a physical description that prescribes the changes in the state of the studied system. The use of domain specific knowledge about the system allows the translation of physical principles into models, which are then validated by experimental data. With its successes in many domain like image classification, deep learning has become a powerful tool for the modeling of physical processes, thanks to the significant increase in the amount of data available from sensors. Statistical learning of physical processes by a sole data-driven approach suffers from several limitations such as interpretation difficulties, stability during training and reduced generalization capabilities. The objective of this work is to provide tools in order to perform data-driven learning of physical processes. In particular, we study spatio-temporal phenomena which dynamics obey a differential equation and focus on incorporating domain and physical knowledge in learning algorithms. This leads us to study hybrid physical-statistical systems for the modeling of physical processes. We will identify the problems related to the learning of hybrid dynamics and propose a framework including constraints adapted to deep networks to improve the interpretability and the performance of the learned algorithms. Conversely, dynamical systems have provided numerous tools to improve statistical models. However, neural networks remain qualified as "black boxes" because they are not interpretable. Thus, we will attempt to open the black box and propose more interpretable neural network architectures with increased generalization performances for the modeling of spatio-temporal systems
27
Rolland, de Rengerve Antoine. "Apprentissage Interactif en Robotique Autonome : vers de nouveaux types d'IHM." Thesis, Cergy-Pontoise, 2013. http://www.theses.fr/2013CERG0664/document.
Full textAbstract:
Un robot autonome collaborant avec des humains doit être capable d'apprendre à se déplacer et à manipuler des objets dans la même tâche. Dans une approche classique, on considère des modules fonctionnels indépendants gérant les différents aspects de la tâche (navigation, contrôle du bras...). A l'opposé, l'objectif de cette thèse est de montrer que l'apprentissage de tâches de natures différentes peut être abordé comme un problème d'apprentissage d'attracteurs sensorimoteurs à partir d'un petit nombre de structures non spécifiques à une tâche donnée. Nous avons donc proposé une architecture qui permet l'apprentissage et l'encodage d'attracteurs pour réaliser aussi bien des tâches de navigation que de contrôle d'un bras.Comme point de départ, nous nous sommes appuyés sur un modèle inspiré des cellules de lieu pour la navigation d'un robot autonome. Des apprentissages en ligne et interactifs de couples lieu/action sont suffisants pour faire émerger des bassins d'attraction permettant à un robot autonome de suivre une trajectoire. En interagissant avec le robot, on peut corriger ou orienter son comportement. Les corrections successives et leur encodage sensorimoteur permettent de définir le bassin d'attraction de la trajectoire. Ma première contribution a été d'étendre ce principe de construction d'attracteurs sensorimoteurs à un contrôle en impédance pour un bras robotique. Lors du maintien d'une posture proprioceptive, les mouvements du bras peuvent être corrigés par une modification en-ligne des commandes motrices exprimées sous la forme d'activations musculaires. Les attracteurs moteurs résultent alors des associations simples entre l'information proprioceptive du bras et ces commandes motrices. Dans un second temps, j'ai montré que le robot pouvait apprendre des attracteursvisuo-moteurs en combinant les informations proprioceptives et visuelles. Le contrôle visuo-moteur correspond à un homéostat qui essaie de maintenir un équilibre entre ces deux informations. Dans le cas d'une information visuelle ambiguë, le robot peut percevoir un stimulus externe (e.g. la main d'un humain) comme étant sa propre pince. Suivant le principe d'homéostasie, le robot agira pour réduire l'incohérence entre cette information externe et son information proprioceptive. Il exhibera alors un comportement d'imitation immédiate des gestes observés. Ce mécanisme d'homéostasie, complété par une mémoire des séquences observées et l'inhibition des actions durant l'observation, permet au robot de réaliser des imitations différées et d'apprendre par observation. Pour des tâches plus complexes, nous avons aussi montré que l'apprentissage de transitions peut servir de support pour l'apprentissage de séquences de gestes, comme c'était le cas pour l'apprentissage de cartes cognitives en navigation. L'utilisation de contextes motivationnels permet alors le choix entre les différentes séquences apprises.Nous avons ensuite abordé le problème de l'intégration dans une même architecture de comportements impliquant une navigation visuomotrice et le contrôle d'un bras robotique pour la préhension d'objets. La difficulté est de pouvoir synchroniser les différentes actions afin que le robot agisse de manière cohérente. Les comportements erronés du robot sont détectés grâce à l'évaluation des actions proposées par le modèle vis à vis des corrections imposées par le professeur humain. Un apprentissage de ces situations sous la forme de contextes multimodaux modulant la sélection d'action permet alors d'adapter le comportement afin que le robot reproduise la tâche désirée.Pour finir, nous présentons les perspectives de ce travail en terme de contrôle sensorimoteur, pour la navigation comme pour le contrôle d'un bras robotique, et son extension aux questions d'interface homme/robot. Nous insistons sur le fait que différents types d'imitation peuvent être le fruit des propriétés émergentes d'une architecture de contrôle sensorimotriceAn autonomous robot collaborating with humans should be able to learn how to navigate and manipulate objects in the same task. In a classical approach, independent functional modules are considered to manage the different aspects of the task (navigation, arm control,...) . To the contrary, the goal of this thesis is to show that learning tasks of different kinds can be tackled by learning sensorimotor attractors from a few task nonspecific structures. We thus proposed an architecture which can learn and encode attractors to perform navigation tasks as well as arm control.We started by considering a model inspired from place-cells for navigation of autonomous robots. On-line and interactive learning of place-action couples can let attraction basins emerge, allowing an autonomous robot to follow a trajectory. The robot behavior can be corrected and guided by interacting with it. The successive corrections and their sensorimotor coding enables to define the attraction basin of the trajectory. My first contribution was to adapt this principle of sensorimotor attractor building for the impedance control of a robot arm. While a proprioceptive posture is maintained, the arm movements can be corrected by modifying on-line the motor command expressed as muscular activations. The resulting motor attractors are simple associations between the proprioceptive information of the arm and these motor commands. I then showed that the robot could learn visuomotor attractors by combining the proprioceptive and visual information with the motor attractors. The visuomotor control corresponds to a homeostatic system trying to maintain an equilibrium between the two kinds of information. In the case of ambiguous visual information, the robot may perceive an external stimulus (e.g. a human hand) as its own hand. According to the principle of homeostasis, the robot will act to reduce the incoherence between this external information and its proprioceptive information. It then displays a behavior of immediately observed gestures imitation. This mechanism of homeostasis, completed by a memory of the observed sequences and action inhibition capability during the observation phase, enables a robot to perform deferred imitation and learn by observation. In the case of more complex tasks, we also showed that learning transitions can be the basis for learning sequences of gestures, like in the case of cognitive map learning in navigation. The use of motivational contexts then enables to choose between different learned sequences.We then addressed the issue of integrating in the same architecture behaviors involving visuomotor navigation and robotic arm control to grab objects. The difficulty is to be able to synchronize the different actions so the robot act coherently. Erroneous behaviors of the robot are detected by evaluating the actions predicted by the model with respect to corrections forced by the human teacher. These situations can be learned as multimodal contexts modulating the action selection process in order to adapt the behavior so the robot reproduces the desired task.Finally, we will present the perspectives of this work in terms of sensorimotor control, for both navigation and robotic arm control, and its link to human robot interface issues. We will also insist on the fact that different kinds of imitation behavior can result from the emergent properties of a sensorimotor control architecture
28
Quoy, Mathias. "Apprentissage dans les réseaux neuromimétiques à dynamique chaotique." Toulouse, ENSAE, 1994. http://www.theses.fr/1994ESAE0009.
Full textAbstract:
Nous avons défini un modèle de réseaux de neurones à temps discret possédant une dynamique chaotique. Nous nous sommes intéressés à la mise en évidence au sein de cette classe de réseaux de la plage de valeurs des paramètres pour laquelle la dynamique est chaotique, à la modification de la dynamique sous influence externe, aux règles d'apprentissage associant des cycles limites à des motifs, et à la réduction de dynamique du chaos à des cycles limites (ou à du chaos de plus faible dimension) par apprentissage etpar présentation de motifs. Nous présentons les équations de champ moyen et les simulations numériques permettant d'établir ces résultats. En ce qui concerne l'apprentissage proprement dit, les règles que nous avons choisies sont du type hebbiennes. L'itération continue de ces règles à partir d'un réseau chaotique réduit toujours la dynamique du système successivement sur des attracteurs étrangs de dimension fractale plus petite, puis sur des tores T2, des cycles limites, et finalement un point fixe. On peut donc associer au motif appris un des attracteurs atteint au cours de l'apprentissage. Après apprentissage, la dynamique spontanée du réseau (sans motif présenté) reste chaotique. La présentation d'autres motifs laisse aussi la dynamique du réseau globalement chaotique. Le réseau répond donc successivement au motif appris. La présentation d'un motif bruité entraîne en moyenne la convergence vers un attracteur proche de celui qui a été appris.
29
Pierrot, David. "Détection dynamique des intrusions dans les systèmes informatiques." Thesis, Lyon, 2018. http://www.theses.fr/2018LYSE2077.
Full textAbstract:
La démocratisation d’Internet, couplée à l’effet de la mondialisation, a pour résultat d’interconnecter les personnes, les états et les entreprises. Le côté déplaisant de cette interconnexion mondiale des systèmes d’information réside dans un phénomène appelé « Cybercriminalité ». Des personnes, des groupes mal intentionnés ont pour objectif de nuire à l’intégrité des systèmes d’information dans un but financier ou pour servir une cause. Les conséquences d’une intrusion peuvent s’avérer problématiques pour l’existence d’une entreprise ou d’une organisation. Les impacts sont synonymes de perte financière, de dégradation de l’image de marque et de manque de sérieux. La détection d’une intrusion n’est pas une finalité en soit, la réduction du delta détection-réaction est devenue prioritaire. Les différentes solutions existantes s’avèrent être relativement lourdes à mettre place aussi bien en matière de compétence que de mise à jour. Les travaux de recherche ont permis d’identifier les méthodes de fouille de données les plus performantes mais l’intégration dans une système d’information reste difficile. La capture et la conversion des données demandent des ressources de calcul importantes et ne permettent pas forcément une détection dans des délais acceptables. Notre contribution permet, à partir d’une quantité de données relativement moindre de détecter les intrusions. Nous utilisons les événements firewall ce qui réduit les besoins en terme de puissance de calcul tout en limitant la connaissance du système d’information par les personnes en charge de la détection des intrusions. Nous proposons une approche prenant en compte les aspects techniques par l’utilisation d’une méthode hybride de fouille de données mais aussi les aspects fonctionnels. L’addition de ces deux aspects est regroupé en quatre phases. La première phase consiste à visualiser et identifier les activités réseau. La deuxième phase concerne la détection des activités anormales en utilisant des méthodes de fouille de données sur la source émettrice de flux mais également sur les actifs visés. Les troisième et quatrième phases utilisent les résultats d’une analyse de risque et d’audit technique de sécurité pour une prioritisation des actions à mener. L’ensemble de ces points donne une vision générale sur l’hygiène du système d’information mais aussi une orientation sur la surveillance et les corrections à apporter. L’approche développée a donné lieu à un prototype nommé D113. Ce prototype, testé sur une plate-forme d’expérimentation sur deux architectures de taille différentes a permis de valider nos orientations et approches. Les résultats obtenus sont positifs mais perfectibles. Des perspectives ont été définies dans ce sensThe expansion and democratization of the digital world coupled with the effect of the Internet globalization, has allowed individuals, countries, states and companies to interconnect and interact at incidence levels never previously imagined. Cybercrime, in turn, is unfortunately one the negative aspects of this rapid global interconnection expansion. We often find malicious individuals and/or groups aiming to undermine the integrity of Information Systems for either financial gain or to serve a cause. The consequences of an intrusion can be problematic for the existence of a company or an organization. The impacts are synonymous with financial loss, brand image degradation and lack of seriousness. The detection of an intrusion is not an end in itself, the reduction of the delta detection-reaction has become a priority. The different existing solutions prove to be cumbersome to set up. Research has identified more efficient data mining methods, but integration into an information system remains difficult. Capturing and converting protected resource data does not allow detection within acceptable time frames. Our contribution helps to detect intrusions. Protect us against Firewall events which reduces the need for computing power while limiting the knowledge of the information system by intrusion detectors. We propose an approach taking into account the technical aspects by the use of a hybrid method of data mining but also the functional aspects. The addition of these two aspects is grouped into four phases. The first phase is to visualize and identify network activities. The second phase concerns the detection of abnormal activities using data mining methods on the source of the flow but also on the targeted assets. The third and fourth phases use the results of a risk analysis and a safety verification technique to prioritize the actions to be carried out. All these points give a general vision on the hygiene of the information system but also a direction on monitoring and corrections to be made.The approach developed to a prototype named D113. This prototype, tested on a platform of experimentation in two architectures of different size made it possible to validate our orientations and approaches. The results obtained are positive but perfectible. Prospects have been defined in this direction
30
Guivarch, Valérian. "Prise en compte de la dynamique du contexte pour les systèmes ambiants par systèmes multi-agents adaptatifs." Toulouse 3, 2014. http://thesesups.ups-tlse.fr/2461/.
Full textAbstract:
Les systèmes ambiants se composent de nombreux appareils électroniques hétérogènes, distribués dans l'environnement et interagissant de façon dynamique. Dès lors, l'individu est au centre des préoccupations de la conception de ces systèmes qui peuvent et doivent s'adapter au contexte des utilisateurs. On parle alors de systèmes sensibles au contexte. Cependant, la forte dynamique des systèmes ambiants rend difficile, voire impossible, d'établir à l'avance pour de tels systèmes toutes les règles d'adaptation nécessaires. L'apprentissage du comportement à attribuer à un système ambiant en fonction du contexte, en s'affranchissant de toute connaissance a priori, qu'il s'agisse de connaissance sur le comportement qu'il cherche à apprendre, sur les données manipulées, sur les préférences ou profils des utilisateurs, est un défi à lequel tente de répondre cette thèse. La principale contribution de ce travail porte sur la conception du système multi-agent Amadeus. Son objectif est d'apprendre un comportement pertinent pour un système ambiant en se basant sur l'observation des actions récurrentes des utilisateurs, puis d'établir dans quels contextes ces actions sont réalisées afin de suppléer l'utilisateur si une situation similaire se présente. L'apprentissage réalisé par Amadeus s'appuie sur l'approche par AMAS (Adaptive Multi-Agent System), et est local à chaque dispositif. Il consiste à distribuer et à intégrer les agents d'Amadeus à chaque dispositif composant le système ambiant, ces agents étant alors en charge d'apprendre et de mettre en œuvre localement et coopérativement le bon comportement à attribuer au dispositif associé en fonction des actions de l'utilisateurThe ambient systems are composed by many heteregeneous devices, distributed in the environment, and interacting dynamically. So, the person is a central concern of these systems that have to adapt themselves to the users' context. Thos kind of systems are called/named context aware system. However, the strong dynamic of ambient systems makes impossible to design a priori all adaptation rules needed. The learning of the behaviour to give to an ambient system depending of its context, independantly of any a priori knowledge -knowledge about the behaviour he has to learn, about the used data, or about the users preferences- is the challenge to which this thesis tries to answer. The main contribution of this work is the design of the adaptive multi agent system Amadeus. Its objective is to learn a pertinent behaviour for an ambient system based on the observation of the reccuring actions performed by users, and then to determine in which contexts theses actions are performed in order to perform them on behalf of the user. The learning performed by Amadeus is based on the AMAS approach (Adaptive Multi-Agent System), and is local to each device. It consists in distributing and integrating the Amadeus agents to each device of the ambient system, these agents being able to determine locally and cooperatively the good behaviour to assign to the associated device depending of the users actions
31
Mondou, Damien. "Gestion adaptative des contenus numériques : proposition d’un framework générique par apprentissage et re-scénarisation dynamique." Thesis, La Rochelle, 2019. http://www.theses.fr/2019LAROS029.
Full textAbstract:
Cette thèse a pour objectif de proposer une architecture répondant aux problématiques de conception, de supervision, de pilotage et d’adaptation d’une expérience interactive. Nous proposons donc un framework complet destiné à faciliter la phase de modélisation d’un système interactif et garantissant une souplesse suffisante pour atteindre les objectifs de complexité, d’extensibilité, d’adaptabilité et d’amélioration par apprentissage automatique. Pour cela, le modèle formel, CIT, basé sur deux couches de description a été introduit. Le processus de supervision dynamique consiste à contrôler l’expérience interactive au regard du modèle formel, basé sur des réseaux d’automates temporisés à entrées/sorties. Deux plateformes logicielles, CELTIC (Common Editor for Location Time Interaction and Content) et EDAIN (Execution Driver based on Artificial INtelligence), implémentant respectivement le modèle CIT et le moteur de supervision de l’activité ont été développés au cours de cette thèseThis thesis aims to propose an architecture that addresses the design, supervision, management and adaptation of an interactive experience. We therefore propose a complete framework to facilitate the modeling phase of an interactive system and guarantee sufficient flexibility to achieve the objectives of complexity, scalability, adaptability and improvement through automatic learning. For this purpose, the formal model, CIT, based on two layers of description was introduced. The dynamic supervision process consists in controlling the interactive experience with regard to the formal model, based on networks of timed input/output automata. Two softwares, CELTIC (Common Editor for Location Time Interaction and Content) and EDAIN (Execution Driver based on Artificial INtelligence), implementing the CIT model and the activity supervision engine respectively, were developed during this thesis
32
ZEMOURI, RYAD. "Contribution à la surveillance des systèmes de production à l'aide des réseaux de neurones dynamiques : Application à la e-maintenance." Phd thesis, Université de Franche-Comté, 2003. http://tel.archives-ouvertes.fr/tel-00006003.
Full textAbstract:
Les méthodes de surveillance industrielle sont divisées en deux catégories : méthodes de surveillance avec modèle formel de l'équipement, et méthodes de surveillance sans modèle de l'équipement. Les modèles mathématiques formels des équipements industriels sont souvent entachés d'incertitudes et surtout difficiles à obtenir. Cette thèse présente l'application des réseaux de neurones artificiels pour la surveillance d'équipements industriels. Nous proposons une architecture de Réseaux à Fonctions de base Radiales qui exploite les propriétés dynamiques des architectures localement récurrentes pour la prise en compte de l'aspect temporel des données d'entrée. En effet, la prise en compte de l'aspect dynamique nécessite des architectures de réseaux de neurones particulières avec des algorithmes d'apprentissage souvent compliqués. Dans cette optique, nous proposons une version améliorée de l'algorithme des k-moyennes qui permet de déterminer aisément les paramètres du réseau de neurones. Des tests de validation montrent qu'à la convergence de l'algorithme d'apprentissage, le réseau de neurones se situe dans la zone appelée « zone de bonne généralisation ». Le réseau de neurones a été ensuite décomposé en fonctions élémentaires facilement interprétables en langage automate. La partie applicative de cette thèse montre qu'un traitement de surveillance en temps réel est possible grâce aux architectures à automates programmables industriels. Le réseau de neurones chargé dans l'automate est entièrement configurable à distance par le protocole de communication TCP/IP. Une connexion Internet permet alors à un expert distant de suivre l'évolution de son équipement et également de valider l'apprentissage du réseau de neurones artificiel.
33
Bouguelid, Mohamed Saïd. "Contribution à l’application de la reconnaissance des formes et la théorie des possibilités au diagnostic adaptatif et prédictif des systèmes dynamiques." Reims, 2007. http://theses.univ-reims.fr/exl-doc/GED00000741.pdf.
Full textAbstract:
Les méthodes de Reconnaissance est l’ensemble des méthodes permettant de classifier des formes dans des classes. Nous avons choisi, parmi les méthodes de classifications existantes, la méthode possibiliste Fuzzy Pattern Matching (FPM) pour réaliser le diagnostic des systèmes dynamiques. FPM est simple et son temps de classification est constant et faible. De plus, elle est capable de sélectionner les sources d’informations les plus pertinentes et de traiter des données qui sont à la fois incertaines et imprécises. Cependant, FPM est une méthode de classification naïve, c'est-à-dire qu’elle classifie un nouveau point par la sélection d'une des décisions partielles. Chaque décision partielle est calculée pour chaque classe et par rapport à chaque attribut. FPM ne tient donc pas compte de la corrélation entre les attributs et considère la forme des classes comme convexe. Ces inconvénients rendent FPM inutilisable pour les applications réelles qui souvent nécessitent une discrimination non linéaire entre les classes. De plus, FPM n’est pas une méthode de classification adaptative ou prédictive. Elle ne peut pas extraire l’information manquante des points rejetés en quantifiant leur représentativité vis a vis des classes connues. Ces points, portent l’information sur l’apparition d’une nouvelle classe ou l’évolution entre deux classes. Les travaux de ce mémoire de thèse portent donc sur l’amélioration de la méthode FPM afin de remédier à ses limites. Les performances des solutions proposées sont illustrées à travers plusieurs exemples académiques et réelsThe problem of diagnosis by Pattern Recognition can be posed as a problem of classification, i. E. , the actual functioning mode can be determined by knowing the class of the actual pattern. We use the method Fuzzy Pattern Matching (FPM) to realize the diagnosis because it is a simple method based on a feature selection. In addition it has a small and constant classification time, and it takes into account both the imprecision and uncertainty. However FPM is marginal, i. E. , its global decision is based on the selection of one of the intermediate decisions. Each intermediate decision is based on one attribute. Thus, FPM does not take into account the correlation between attributes. Additionally, FPM considers the shape of classes as convex one. Also, FPM cannot realize the adaptive and predictive diagnosis because it rejects all the points which carry the information about the class evolution or the creation of a new class. These drawbacks make FPM unusable for many real world applications. In this thesis, we propose to improve FPM to solve these drawbacks. Several synthetic and real data sets are used to show the performances of the improved FPM with respect to classical one
34
Martinez, Regis. "Dynamique des systèmes cognitifs et des systèmes complexes : étude du rôle des délais de transmission de l’information." Thesis, Lyon 2, 2011. http://www.theses.fr/2011LYO20054/document.
Full textAbstract:
La représentation de l’information mnésique est toujours une question d’intérêt majeur en neurobiologie, mais également, du point de vue informatique, en apprentissage artificiel. Dans certains modèles de réseaux de neurones artificiels, nous sommes confrontés au dilemme de la récupération de l’information sachant, sur la base de la performance du modèle, que cette information est effectivement stockée mais sous une forme inconnue ou trop complexe pour être facilement accessible. C’est le dilemme qui se pose pour les grands réseaux de neurones et auquel tente de répondre le paradigme du « reservoir computing ».Le « reservoir computing » est un courant de modèles qui a émergé en même temps que le modèle que nous présentons ici. Il s’agit de décomposer un réseau de neurones en (1) une couche d’entrée qui permet d’injecter les exemples d’apprentissage, (2) un « réservoir » composé de neurones connectés avec ou sans organisation particulière définie, et dans lequel il peut y avoir des mécanismes d’adaptation, (3) une couche de sortie, les « readout », sur laquelle un apprentissage supervisé est opéré. Nous apportons toutefois une particularité, qui est celle d’utiliser les délais axonaux, temps de propagation d’une information d’un neurone à un autre. Leur mise en oeuvre est un apport computationnel en même temps qu’un argument biologique pour la représentation de l’information. Nous montrons que notre modèle est capable d’un apprentissage artificiel efficace et prometteur même si encore perfectible. Sur la base de ce constat et dans le but d’améliorer les performances nous cherchons à comprendre les dynamiques internes du modèle. Plus précisément nous étudions comment la topologie du réservoir peut influencer sa dynamique. Nous nous aidons pour cela de la théorie des groupes polychrones. Nous avons développé, pour l’occasion, des algorithmes permettant de détecter ces structures topologico-dynamiques dans un réseau, et dans l’activité d’un réseau de topologie donnée.Si nous comprenons les liens entre topologie et dynamique, nous pourrons en tirer parti pour créer des réservoirs adaptés aux besoins de l’apprentissage. Finalement, nous avons mené une étude exhaustive de l’expressivité d’un réseau en termes de groupes polychrones, en fonction de différents types de topologies (aléatoire, régulière, petit-monde) et de nombreux paramètres (nombre de neurones, connectivité, etc.). Nous pouvons enfin formuler un certain nombre de recommandations pour créer un réseau dont la topologie peut être un support riche en représentations possibles. Nous tentons également de faire le lien avec la théorie cognitive de la mémoire à traces multiples qui peut, en principe, être implémentée et étudiée par le prisme des groupes polychronesHow memory information is represented is still an open question in neurobiology, but also, from the computer science point of view, in machine learning. Some artificial neuron networks models have to face the problem of retrieving information, knowing that, in regard to the model performance, this information is actually stored but in an unknown form or too complex to be easily accessible. This is one of the problems met in large neuron networks and which « reservoir computing » intends to answer.« Reservoir computing » is a category of models that has emerged at the same period as, and has propoerties similar to the model we present here. It is composed of three parts that are (1) an input layer that allows to inject learning examples, (2) a « reservoir » composed of neurons connected with or without a particular predefined, and where there can be adaptation mecanisms, (3) an output layer, called « readout », on which a supervised learning if performed. We bring a particularity that consists in using axonal delays, the propagation time of information from one neuron to another through an axonal connexion. Using delays is a computational improvement in the light of machin learning but also a biological argument for information representation.We show that our model is capable of a improvable but efficient and promising artificial learning. Based on this observation and in the aim of improving performance we seek to understand the internal dynamics of the model. More precisely we study how the topology of the reservoir can influence the dynamics. To do so, we make use of the theory of polychronous groups. We have developped complexe algorithms allowing us to detect those topologicodynamic structures in a network, and in a network activity having a given topology.If we succeed in understanding the links between topology and dynamics, we may take advantage of it to be able to create reservoir with specific properties, suited for learning. Finally, we have conducted an exhaustive study of network expressivness in terms of polychronous groups, based on various types of topologies (random, regular, small-world) and different parameters (number of neurones, conectivity, etc.). We are able to formulate some recommandations to create a network whose topology can be rich in terms of possible representations. We propose to link with the cognitive theory of multiple trace memory that can, in principle, be implemented and studied in the light of polychronous groups
35
Rosas, Flunger Rudolf. "L'approche de la dynamique des systèmes et l'aide à la décision multicritère comme outils d'apprentissage organisationnel." Paris 9, 1999. https://portail.bu.dauphine.fr/fileviewer/index.php?doc=1999PA090041.
Full textAbstract:
L'objectif général de ce travail est de démontrer que l'utilisation conjointe de l'approche de la dynamique des systèmes et de l'aide à la décision multicritère facilite l'apprentissage organisationnel améliorant, par conséquent, le processus de décision dans les organisations. Pour cela nous avons conçu une démarche scientifique basée en des expériences de terrain qui peuvent être groupées selon deux catégories : expériences de laboratoire et expériences dans les organisations elles-mêmes. Les expériences dites de laboratoire correspondent à des simulations effectuées auprès d'étudiants dans un cadre universitaire. Pour ce faire, nous avons créé un environnement d'expérimentation contrôlé pour réaliser le "beer distribution game". Nous avons modifié les règles originelles du jeu dans le but d'évaluer le processus d'apprentissage du groupe pendant l'expérience. Les expériences dans les organisations sont basées essentiellement sur un laboratoire pharmaceutique vénézuélien en plein processus de changement. À partir de nos expériences, nous pouvons conclure que l'utilisation conjointe des outils proposes représente des avantages particuliers à savoir : l'approche de la dynamique des systèmes permet de formaliser et communiquer des connaissances plus facilement dans les organisations grâce à la perception des relations causales, des échanges et grâce à des simulations. . La simulation des systèmes dynamiques met en évidence les effets de rétroactions non intuitifs dans les systèmes complexes. La méthodologie multicritère d'aide à la décision permet de mettre en évidence et de traiter de façon dite scientifique les désirs et les croyances des acteurs dans l'organisation pour les formaliser dans la stratégie et les objectifs de l'organisation
36
Galtier, Mathieu. "Une approche mathématique de l'apprentissage non-supervisé dans les réseaux de neurones récurrents." Phd thesis, École Nationale Supérieure des Mines de Paris, 2011. http://pastel.archives-ouvertes.fr/pastel-00667368.
Full textAbstract:
Dans cette thèse nous tentons de donner un sens mathématique à la proposition : le néocortex se construit un modèle de son environnement. Nous considérons que le néocortex est un réseau de neurones spikants dont la connectivité est soumise à une lente évolution appelée apprentissage. Dans le cas où le nombre de neurones est proche de l'infini, nous proposons une nouvelle méthode de champ-moyen afin de trouver une équation décrivant l'évolution du taux de décharge de populations de neurones. Nous étudions donc la dynamique de ce système moyennisé avec apprentissage. Dans le régime où l'apprentissage est beaucoup plus lent que l'activité du réseau nous pouvons utiliser des outils de moyennisation temporelle pour les systèmes lents/rapides. Dans ce cadre mathématique nous montrons que la connectivité du réseau converge toujours vers une unique valeur d'équilibre que nous pouvons calculer explicitement. Cette connectivité regroupe l'ensemble des connaissances du réseau à propos de son environnement. Nous comparons cette connectivité à l'équilibre avec les stimuli du réseau. Considérant que l'environnement est solution d'un système dynamique quelconque, il est possible de montrer que le réseau encode la totalité de l'information nécessaire à la définition de ce système dynamique. En effet nous montrons que la partie symétrique de la connectivité correspond à la variété sur laquelle est définie le système dynamique de l'environnement, alors que la partie anti-symétrique de la connectivité correspond au champ de vecteur définissant le système dynamique de l'environnement. Dans ce contexte il devient clair que le réseau agit comme un prédicteur de son environnement.
37
Chaouche, Ahmed Chawki. "Une approche multi-agent pour la conception de systèmes d'intelligence ambiante : un modèle formel intégrant planification et apprentissage." Thesis, Paris 6, 2015. http://www.theses.fr/2015PA066084/document.
Full textAbstract:
Ce travail présente une architecture logicielle concrète dédiée aux besoins et caractéristiques des systèmes d'Intelligence Ambiante (AmI). Le modèle comportemental proposé, appelé Higher-order Agent (HoA), capture simultanément l'évolution de l'état mental de l'agent ainsi que l'état de son plan d'actions. Les expressions du plan sont écrites et composées en utilisant un langage algébrique formel, nommé AgLOTOS. Les plans sont construits automatiquement et à la volée, comme un système de processus concurrents, déduits des intentions de l'agent et de ses préférences d'exécution. Basé sur une sémantique de plans et d'actions concurrentes, un service de guidance est aussi proposé afin d'assister l'agent dans le choix de ses prochaines exécutions. Cette guidance permet d'améliorer la satisfaction des intentions de l'agent au regard des plans concurrents possibles et en fonction du contexte actuel de l'agent. La "localité" et le "temps" étant considérés comme des informations contextuelles clés dans l'activité de l'agent, nous les prenons en compte au travers de deux fonctions utilitaires originales conçues à partir des expériences des exécutions d'action et pouvant être combinées suivant les préférences stratégiques de l'agent. La structure compositionnelle des expressions AgLOTOS est mise à profit pour permettre des révisions ciblées du plan de l'agent, Les révisions des sous-plans sont donc réalisées automatiquement en fonction des mises à jour apportées aux intentions, tout en maintenant la consistance du comportement de l'agent. Un cas d'étude est développé afin de montrer comment l'agent peut agir, même s'il subit des changements inattendus de son contexte, en fonction de ses expériences passées qui révèlent certains cas de d'échecsThis work presents a concrete software architecture dedicated to ambient intelligence (AmI) features and requirements. The proposed behavioral model, called Higher-order Agent (HoA) captures the evolution of the mental representation of the agent and the one of its plan simultaneously. Plan expressions are written and composed using a formal algebraic language, namely AgLOTOS, so that plans are built automatically and on the fly, as a system of concurrent processes. Due to the compositional structure of AgLOTOS expressions, the updates of sub-plans are realized automatically accordingly to the revising of intentions, hence maintaining the consistency of the agent. Based on a specific semantics, a guidance service is also proposed to assist the agent in its execution. This guidance allows to improve the satisfaction of the agent's intentions with respect to the possible concurrent plans and the current context of the agent. Adopting the idea that "location" and "time" are key stones information in the activity of the agent, we show how to enforce guidance by ordering the different possible plans. As a major contribution, we demonstrate two original utility functions that are designed from the past-experiences of the action executions, and that can be combined accordingly to the current balance policy of the agent. A use case scenario is developed to show how the agent can act, even if it suffers from unexpected changes of contexts, it does not have many experiences and whose past experiences reveals some failure cases
38
Chaouche, Ahmed Chawki. "Une approche multi-agent pour la conception de systèmes d'intelligence ambiante : un modèle formel intégrant planification et apprentissage." Electronic Thesis or Diss., Paris 6, 2015. http://www.theses.fr/2015PA066084.
Full textAbstract:
Ce travail présente une architecture logicielle concrète dédiée aux besoins et caractéristiques des systèmes d'Intelligence Ambiante (AmI). Le modèle comportemental proposé, appelé Higher-order Agent (HoA), capture simultanément l'évolution de l'état mental de l'agent ainsi que l'état de son plan d'actions. Les expressions du plan sont écrites et composées en utilisant un langage algébrique formel, nommé AgLOTOS. Les plans sont construits automatiquement et à la volée, comme un système de processus concurrents, déduits des intentions de l'agent et de ses préférences d'exécution. Basé sur une sémantique de plans et d'actions concurrentes, un service de guidance est aussi proposé afin d'assister l'agent dans le choix de ses prochaines exécutions. Cette guidance permet d'améliorer la satisfaction des intentions de l'agent au regard des plans concurrents possibles et en fonction du contexte actuel de l'agent. La "localité" et le "temps" étant considérés comme des informations contextuelles clés dans l'activité de l'agent, nous les prenons en compte au travers de deux fonctions utilitaires originales conçues à partir des expériences des exécutions d'action et pouvant être combinées suivant les préférences stratégiques de l'agent. La structure compositionnelle des expressions AgLOTOS est mise à profit pour permettre des révisions ciblées du plan de l'agent, Les révisions des sous-plans sont donc réalisées automatiquement en fonction des mises à jour apportées aux intentions, tout en maintenant la consistance du comportement de l'agent. Un cas d'étude est développé afin de montrer comment l'agent peut agir, même s'il subit des changements inattendus de son contexte, en fonction de ses expériences passées qui révèlent certains cas de d'échecsThis work presents a concrete software architecture dedicated to ambient intelligence (AmI) features and requirements. The proposed behavioral model, called Higher-order Agent (HoA) captures the evolution of the mental representation of the agent and the one of its plan simultaneously. Plan expressions are written and composed using a formal algebraic language, namely AgLOTOS, so that plans are built automatically and on the fly, as a system of concurrent processes. Due to the compositional structure of AgLOTOS expressions, the updates of sub-plans are realized automatically accordingly to the revising of intentions, hence maintaining the consistency of the agent. Based on a specific semantics, a guidance service is also proposed to assist the agent in its execution. This guidance allows to improve the satisfaction of the agent's intentions with respect to the possible concurrent plans and the current context of the agent. Adopting the idea that "location" and "time" are key stones information in the activity of the agent, we show how to enforce guidance by ordering the different possible plans. As a major contribution, we demonstrate two original utility functions that are designed from the past-experiences of the action executions, and that can be combined accordingly to the current balance policy of the agent. A use case scenario is developed to show how the agent can act, even if it suffers from unexpected changes of contexts, it does not have many experiences and whose past experiences reveals some failure cases
39
Colliaux, David. "Classes de dynamiques neuronales et correlations structurées par l'experience dans le cortex visuel." Phd thesis, Ecole Polytechnique X, 2011. http://pastel.archives-ouvertes.fr/pastel-00676104.
Full textAbstract:
L'activité neuronale est souvent considérée en neuroscience cognitive par la réponse évoquée mais l'essentiel de l'énergie consommée par le cerveau permet d'entretenir les dynamiques spontanées des réseaux corticaux. L'utilisation combinée d'algorithmes de classification (K means, arbre hirarchique, SOM) sur des enregistrements intracellulaires du cortex visuel primaire du chat nous permet de définir des classes de dynamiques neuronales et de les comparer l'activité évoquée par un stimulus visuel. Ces dynamiques peuvent être étudiées sur des systèmes simplifiés (FitzHugh-Nagumo, systèmes dynamiques hybrides, Wilson-Cowan) dont nous présentons l'analyse. Enfin, par des simulations de réseaux composés de colonnes de neurones, un modèle du cortex visuel primaire nous permet d'étudier les dynamiques spontanées et leur effet sur la réponse à un stimulus. Après une période d'apprentissage pendant laquelle des stimuli visuels sont presentés, des vagues de dépolarisation se propagent dans le réseau. L'étude des correlations dans ce réseau montre que les dynamiques spontanées reflètent les propriétés fonctionnelles acquises au cours de l'apprentissage.
40
Yin, Yuan. "Physics-Aware Deep Learning and Dynamical Systems : Hybrid Modeling and Generalization." Electronic Thesis or Diss., Sorbonne université, 2023. http://www.theses.fr/2023SORUS161.
Full textAbstract:
L'apprentissage profond a fait des progrès dans divers domaines et est devenu un outil prometteur pour modéliser les phénomènes dynamiques physiques présentant des relations hautement non linéaires. Cependant, les approches existantes sont limitées dans leur capacité à faire des prédictions physiquement fiables en raison du manque de connaissances préalables et à gérer les scénarios du monde réel où les données proviennent de dynamiques multiples ou sont irrégulièrement distribuées dans le temps et l'espace. Cette thèse vise à surmonter ces limitations dans les directions suivantes: améliorer la modélisation de la dynamique basée sur les réseaux neuronaux en exploitant des modèles physiques grâce à la modélisation hybride ; étendre le pouvoir de généralisation des modèles de dynamique en apprenant les similitudes à partir de données de différentes dynamiques pour extrapoler vers des systèmes invisibles ; et gérer les données de forme libre et prédire continuellement les phénomènes dans le temps et l'espace grâce à la modélisation continue. Nous soulignons la polyvalence des techniques d'apprentissage profond, et les directions proposées montrent des promesses pour améliorer leur précision et leur puissance de généralisation, ouvrant la voie à des recherches futures dans de nouvelles applicationsDeep learning has made significant progress in various fields and has emerged as a promising tool for modeling physical dynamical phenomena that exhibit highly nonlinear relationships. However, existing approaches are limited in their ability to make physically sound predictions due to the lack of prior knowledge and to handle real-world scenarios where data comes from multiple dynamics or is irregularly distributed in time and space. This thesis aims to overcome these limitations in the following directions: improving neural network-based dynamics modeling by leveraging physical models through hybrid modeling; extending the generalization power of dynamics models by learning commonalities from data of different dynamics to extrapolate to unseen systems; and handling free-form data and continuously predicting phenomena in time and space through continuous modeling. We highlight the versatility of deep learning techniques, and the proposed directions show promise for improving their accuracy and generalization power, paving the way for future research in new applications
41
Ayed, Ibrahim. "Neural Models for Learning Real World Dynamics and the Neural Dynamics of Learning." Electronic Thesis or Diss., Sorbonne université, 2022. http://www.theses.fr/2022SORUS434.
Full textAbstract:
Cette thèse se situe à l'intersection de deux domaines : d'une part celui des systèmes dynamiques, et notamment ceux qui peuvent être représentés par des équations différentielles d'évolution, et, d'autre part, celui des l'apprentissage profond. Son objectif est alors double : Il s'agit d'abord de chercher à modéliser, grâce aux techniques modernes de l'apprentissage profond, des phénomènes physiques complexes, dans divers cadres d'intérêt pour les praticiens. Ensuite, nous avons également tenté d'employer des outils issus des théories mathématiques permettant l'étude des équations différentielles afin de mieux comprendre certains aspects des dynamiques induites par l'apprentissage de réseaux de neurones profonds et leur fonctionnementThe work presented in this thesis was initially motivated by the discrepancy between the impressive performances of modern neural networks and the lack of applications to scientific problems for which data abounds. Focusing on evolution problems which are classically modelled through ordinary or partial differential equations~(O/PDEs) naturally brought us to consider the more general problem of representing and learning such equations from raw data with neural networks. This was the inception of the first part of our work. The point of view considered in this first part has a natural counterpart: what about the dynamics induced by the trajectories of the NN's weights during training or by the trajectories of data points within them during inference? Can they be usefully modelled? This question was the core of the second part of our work and, while theoretical tools other than O/PDEs happened to be useful in our analysis, our reasoning and intuition were fundamentally driven by considerations stemming from a dynamical viewpoint
42
Nguyen, Van Duong. "Variational deep learning for time series modelling and analysis : applications to dynamical system identification and maritime traffic anomaly detection." Thesis, Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire, 2020. http://www.theses.fr/2020IMTA0227.
Full textAbstract:
Ce travail de thèse se focalise sur une classe de méthodes d’apprentissage profond, probabilistes et non-supervisées qui utilisent l’inférence variationnelle pour créer des modèles évolutifs de grande capacité pour ce type de données. Nous présentons deux classes d’apprentissage variationnel profond, puis nous les appliquons à deux problèmes spécifiques liés au domaine maritime. La première application est l’identification de systèmes dynamiques à partir de données bruitées et partiellement observées. Nous introduisons un cadre qui fusionne l’assimilation de données classique et l’apprentissage profond moderne pour retrouver les équations différentielles qui contrôlent la dynamique du système. En utilisant une formulation d’espace d’états, le cadre proposé intègre des composantes stochastiques pour tenir compte des variabilités stochastiques, des erreurs de modèle et des incertitudes de reconstruction. La deuxième application est la surveillance du trafic maritime à l’aide des données AIS. Nous proposons une architecture d’apprentissage profond probabiliste multitâche pouvant atteindre des performances très prometteuses dans différentes tâches liées à la surveillance du trafic maritime, telles que la reconstruction de trajectoire, l’identification du type de navire et la détection d’anomalie, tout en réduisant considérablement la quantité de données à stocker et le temps de calcul. temps. Pour la tâche la plus importante - la détection d’anomalie, nous introduisons un détecteur géospatialisé qui utilise l’apprentissage profond variationnel pour construire une représentation probabiliste des trajectoires AIS, puis détecter les anomalies en jugeant la probabilité de cette trajectoireThis thesis work focuses on a class of unsupervised, probabilistic deep learning methods that use variational inference to create high capacity, scalable models for time series modelling and analysis. We present two classes of variational deep learning, then apply them to two specific problems related to the maritime domain. The first application is the identification of dynamical systems from noisy and partially observed data. We introduce a framework that merges classical data assimilation and modern deep learning to retrieve the differential equations that control the dynamics of the system. Using a state space formulation, the proposed framework embeds stochastic components to account for stochastic variabilities, model errors and reconstruction uncertainties. The second application is maritime traffic surveillance using AIS data. We propose a multitask probabilistic deep learning architecture can achieve state-of-the-art performance in different maritime traffic surveillance related tasks, such as trajectory reconstruction, vessel type identification and anomaly detection, while reducing significantly the amount data to be stored and the calculation time. For the most important task—anomaly detection, we introduce a geospatial detector that uses variational deep learning to builds a probabilistic representation of AIS trajectories, then detect anomalies by judging how likely this trajectory is
43
Caron, Alexandre. "Mesure de la dynamique des polluants gazeux en air intérieur : évaluation des performances de systèmes multi-capteurs." Thesis, Lille 1, 2016. http://www.theses.fr/2016LIL10161/document.
Full textAbstract:
La qualité de l’air intérieur constitue de nos jours un enjeu sanitaire majeur ainsi qu’une problématique de recherche enplein essor. De nombreux polluants sont présents à l’intérieur des bâtiments. Ils sont directement émis par des sourcesintérieures telles que les matériaux de constructions, le mobilier, l’activité des occupants ou proviennent de l’airextérieur. La politique de réduction de la consommation énergétique entraîne la construction de bâtiments de plus enplus hermétiques, réduisant ainsi l’élimination des polluants par transfert vers l’extérieur. Les techniques d’analysesclassiques ne sont pas adaptées à la surveillance continue de ces environnements. Il s’agit généralement d’analyseursencombrants, coûteux, bruyants et qui nécessitent du personnel qualifié. Une alternative à ces méthodes est récemmentapparue sous la forme de capteurs miniatures. Dans ce travail de thèse, les performances et limitations de plusieurscapteurs miniatures, tels que des capteurs à infrarouge, électrochimiques, à photoionisation ou semi-conducteurs pourla mesure du CO2, du CO, des NOx, d’O3 et des COV, ont été évaluées en laboratoire et lors de campagnes de mesurespour le suivi des principaux polluants de l’air intérieur. Bien que la réponse de ces capteurs soit fortement corrélée avecla concentration mesurée par des analyseurs de référence, le manque de sélectivité ne permet pas toujours une analysequantitative. L’apprentissage bayésien naïf ainsi que le clustering par bisecting k-means ont permis d’interpréter lessignaux mesurés par les capteurs et de mettre en évidence des événements typiques de pollution, traduisant ladynamique de la qualité de l’air intérieurNowadays, indoor air quality is a major health issue and a growing research challenge. Many pollutants are presentinside buildings. They are directly emitted by indoor sources such as building materials, furniture, occupants and theiractivities or transferred from outdoors. Due to an increasing concern for energy saving, recent buildings are much moreairtight, reducing the pollutants elimination to the outside. Standard analyzers are not suitable for monitoring the airquality indoors. These techniques are usually bulky, expensive, noisy and require skilled people. An alternative to theseconventional methods recently appeared under the form of microsensors. In this work, the performances and limitationsof different type of sensors such as infrared sensors, electrochemical sensors, photoionisation detectors orsemiconductive sensors for the measurement of CO2, CO, NOx, O3 or VOC, were evaluated in laboratory conditions andalso during measurement campaigns in order to monitor the major indoor air pollutants. Although the response of thesesensors is highly correlated with the concentration measured by reference instruments, their lack of selectivity does notalways allow a quantitative analysis. Naive Bayes classifier and bisecting k-means clustering were used to help analyzethe output of the sensors, and allow identifying typical pollution events, reflecting the dynamics of the indoor air quality
44
Gil, Quijano Javier. "Modèles d'auto-organisation pour l'émergence de formes urbaines à partir de comportements individuels à Bogota." Phd thesis, Université Pierre et Marie Curie - Paris VI, 2007. http://tel.archives-ouvertes.fr/tel-00270015.
Full textAbstract:
L'objectif principal de notre travail est de reproduire l'évolution de la distribution de la population d'une ville. Le parti pris est de privilégier une vision synthétique de la ville. Notre approche se fonde sur une modélisation de l'interaction entre un niveau intermédiaire (constitué par des groupes sociaux et des types d'habitat) et un niveau individuel (constitué par des ménages et des logements). Pour représenter l'évolution de la population de la ville et du parc du logement à la différence des approches classiques de microsimulation, nous privilégions une approche globale : nous considérons des règles générales d'évolution basées sur des quotas de ménages et de logements. À partir de ces principes, nous avons développé un modèle de simulation multi-agent basé sur la concurrence entre groupes sociaux pour des groupes de logements libres, dans un marché du logement. Nous avons utilisé ce modèle pour reproduire l'évolution de la distribution de la ville de Bogota entre 1973 et 1993.
45
Hartert, Laurent. "Reconnaissance des formes dans un environnement dynamique appliquée au diagnostic et au suivi des systèmes évolutifs." Phd thesis, Université de Reims - Champagne Ardenne, 2010. http://tel.archives-ouvertes.fr/tel-00549782.
Full textAbstract:
De nombreux systèmes actuels sont évolutifs, i.e. leur comportement est dynamique et il entraîne des changements dans leurs caractéristiques de fonctionnement. Le suivi des modes de fonctionnement des systèmes évolutifs est un problème majeur pour les méthodes de diagnostic. En effet, dans ces conditions il est nécessaire d'utiliser ou de développer des méthodes tenant compte des nouvelles informations caractéristiques du comportement actuel d'un système et permettant l'adaptation des modes de fonctionnement connus. Nous avons choisi de travailler avec les méthodes de reconnaissance des formes pour leur capacité à fonctionner sur des applications pour lesquelles seules des observations sont connues. Plusieurs méthodes de classification dynamique ont été proposées afin de tenir compte des changements de caractéristiques des formes et des classes au cours du temps. D'une part la méthode Fuzzy Pattern Matching Dynamique (FPMD) a été développée pour tenir compte du changement graduel des caractéristiques des classes après la classification de chaque nouvelle forme. La méthode intègre plusieurs mécanismes tels que des indices de représentativité des données, un résidu permettant de suivre les évolutions des classes, et des procédures de scission et de fusion permettant d'adapter les classes dynamiques. D'autre part, une version Supervisée et une version Semi-Supervisée des K-Plus Proches Voisins Flous Dynamique (KPPVFD) ont également été proposées : KPPVFD-S et KPPVFD-SS. Ces méthodes KPPVFD utilisent des procédures de détection et de confirmation des évolutions de classes puis elles réalisent l'adaptation de ces dernières en utilisant les formes les plus caractéristiques de la tendance actuelle du système. Les méthodes proposées permettent de détecter en ligne l'évolution du comportement d'un système, de valider cette évolution et de procéder à l'adaptation d'une classe lorsque ses caractéristiques ont changées. Deux approches de reconnaissance des formes (structurelle et mixte) ont également été proposées. L'approche structurelle repose sur une méthode de segmentation ne nécessitant pas la définition d'un seuil d'erreur d'approximation et sur un nombre adaptatif de primitives défini par rapport à chaque phase caractéristique d'une forme dynamique. Une fois la segmentation des formes dynamiques réalisée, la méthode estime leur tendance à l'aide des primitives sélectionnées puis la phase de classification peut avoir lieu en utilisant une mesure de similarité. La méthode mixte repose sur l'utilisation de données statistiques et structurelles pour réaliser la classification des données dynamiques. Une signature mixte est obtenue pour chaque forme dynamique traitée. Cette signature mixte permet d'obtenir une information caractéristique interprétable. Une mesure de similarité mixte, basée à la fois sur la similarité entre caractéristiques structurelles et statistiques, est ensuite calculée à partir de cette signature mixte pour mesurer l'appartenance d'une forme à une classe. Cette mesure permet également de quantifier l'évolution que peut réaliser une forme suite à un changement de caractéristiques d'un système. L'ensemble des méthodes proposées a été utilisé sur plusieurs applications simulées et réelles. Ces applications concernaient le milieu industriel (détection de soudures de mauvaise qualité, détection d'une fuite dans un générateur de vapeur) et le milieu médical (caractérisation de la coordination inter-segmentaire des patrons de marche des patients hémiparétiques).
46
Amadou, Boubacar Habiboulaye. "Classification Dynamique de données non-stationnaires :Apprentissage et Suivi de Classes évolutives." Phd thesis, Université des Sciences et Technologie de Lille - Lille I, 2006. http://tel.archives-ouvertes.fr/tel-00106968.
Full textAbstract:
La plupart des processus naturels ou artificiels ont des comportements évolutifs décrits par des données non-stationnaires. La problématique étudiée dans cette thèse concerne la classification dynamique de données non-stationnaires. Nous proposons une description générique de classifieurs dynamiques conçue à l'aide d'un réseau neuronal à architecture évolutive. Elle est élaborée en quatre procédures d'apprentissage : création, adaptation, fusion, et évaluation. Deux algorithmes sont développés à partir de cette description générique. Le premier est une nouvelle version de l'algorithme AUDyC (AUto-adaptive and Dynamical Clustering). Il utilise un modèle de mélange décrit suivant l'approche multimodale. Le second, nommé SAKM (Self-Adaptive Kernel Machine), est basé sur les SVM et méthodes à noyau. Ces deux algorithmes sont dotés de règles de mise à jour récursives permettant la modélisation adaptative et le suivi de classes évolutives. Ils disposent de capacités d'auto-adaptation en environnement dynamique et de bonnes performances en terme de convergence et de complexité algorithmique. Ces dernières sont prouvées théoriquement et montrées par la simulation des algorithmes.
47
Guàrdia, Sebaoun Elie. "Accès personnalisé à l'information : prise en compte de la dynamique utilisateur." Thesis, Paris 6, 2017. http://www.theses.fr/2017PA066519/document.
Full textAbstract:
L’enjeu majeur de cette thèse réside dans l’amélioration de l’adéquation entre l’information retournée et les attentes des utilisateurs à l’aide de profils riches et efficaces. Il s’agit donc d’exploiter au maximum les retours utilisateur (qu’ils soient donnés sous la forme de clics, de notes ou encore d’avis écrits) et le contexte. En parallèle la forte croissance des appareils nomades (smartphones, tablettes) et par conséquent de l’informatique ubiquitaire nous oblige à repenser le rôle des systèmes d’accès à l’information. C’est pourquoi nous ne nous sommes pas seulement intéressés à la performance à proprement parler mais aussi à l’accompagnement de l’utilisateur dans son accès à l’information. Durant ces travaux de thèse, nous avons choisi d’exploiter les textes écrit par les utilisateurs pour affiner leurs profils et contextualiser la recommandation. À cette fin, nous avons utilisé les avis postés sur les sites spécialisés (IMDb, RateBeer, BeerAdvocate) et les boutiques en ligne (Amazon) ainsi que les messages postés sur Twitter.Dans un second temps, nous nous sommes intéressés aux problématiques de modélisation de la dynamique des utilisateurs. En plus d’aider à l’amélioration des performances du système, elle permet d’apporter une forme d’explication quant aux items proposés. Ainsi, nous proposons d’accompagner l’utilisateur dans son accès à l’information au lieu de le contraindre à un ensemble d’items que le système juge pertinentsThe main goal of this thesis resides in using rich and efficient profiling to improve the adequation between the retrieved information and the user's expectations. We focus on exploiting as much feedback as we can (being clicks, ratings or written reviews) as well as context. In the meantime, the tremendous growth of ubiquitous computing forces us to rethink the role of information access platforms. Therefore, we took interest not solely in performances but also in accompanying users through their access to the information. Through this thesis, we focus on users dynamics modeling. Not only it improves the system performances but it also brings some kind of explicativity to the recommendation. Thus, we propose to accompany the user through his experience accessing information instead of constraining him to a given set of items the systems finds fitting
48
Guàrdia, Sebaoun Elie. "Accès personnalisé à l'information : prise en compte de la dynamique utilisateur." Electronic Thesis or Diss., Paris 6, 2017. http://www.theses.fr/2017PA066519.
Full textAbstract:
L’enjeu majeur de cette thèse réside dans l’amélioration de l’adéquation entre l’information retournée et les attentes des utilisateurs à l’aide de profils riches et efficaces. Il s’agit donc d’exploiter au maximum les retours utilisateur (qu’ils soient donnés sous la forme de clics, de notes ou encore d’avis écrits) et le contexte. En parallèle la forte croissance des appareils nomades (smartphones, tablettes) et par conséquent de l’informatique ubiquitaire nous oblige à repenser le rôle des systèmes d’accès à l’information. C’est pourquoi nous ne nous sommes pas seulement intéressés à la performance à proprement parler mais aussi à l’accompagnement de l’utilisateur dans son accès à l’information. Durant ces travaux de thèse, nous avons choisi d’exploiter les textes écrit par les utilisateurs pour affiner leurs profils et contextualiser la recommandation. À cette fin, nous avons utilisé les avis postés sur les sites spécialisés (IMDb, RateBeer, BeerAdvocate) et les boutiques en ligne (Amazon) ainsi que les messages postés sur Twitter.Dans un second temps, nous nous sommes intéressés aux problématiques de modélisation de la dynamique des utilisateurs. En plus d’aider à l’amélioration des performances du système, elle permet d’apporter une forme d’explication quant aux items proposés. Ainsi, nous proposons d’accompagner l’utilisateur dans son accès à l’information au lieu de le contraindre à un ensemble d’items que le système juge pertinentsThe main goal of this thesis resides in using rich and efficient profiling to improve the adequation between the retrieved information and the user's expectations. We focus on exploiting as much feedback as we can (being clicks, ratings or written reviews) as well as context. In the meantime, the tremendous growth of ubiquitous computing forces us to rethink the role of information access platforms. Therefore, we took interest not solely in performances but also in accompanying users through their access to the information. Through this thesis, we focus on users dynamics modeling. Not only it improves the system performances but it also brings some kind of explicativity to the recommendation. Thus, we propose to accompany the user through his experience accessing information instead of constraining him to a given set of items the systems finds fitting
49
Lurette, Christophe. "Développement d'une technique neuronale auto-adaptative pour la classification dynamique de données évolutives : application à la supervision d'une presse hydraulique." Lille 1, 2003. https://ori-nuxeo.univ-lille1.fr/nuxeo/site/esupversions/aed48e38-323f-425b-b6ff-c8e75ff5d4b6.
Full textAbstract:
Le caractère évolutif des procédés industriels rend leur supervision délicate puisque les modes de fonctionnement existants évoluent et que d'autres peuvent apparaitre. L'étude présentée porte sur la conception d'une structure adaptative de supervision permettant la surveillance, la détection et le diagnostic de systèmes évolutifs. La structure proposée est constituée de trois modules: modélisation, surveillance et diagnostic. En raison de l'aspect évolutif de la connaissance sur les modes de fonctionnement, l'accent a été porté sur la définition d'une technique de modélisation dynamique basée sur une approche par reconnaissance de formes. L'architecture neuronale développée, le réseau AUDyC, autorise la classification dynamique de données évolutives via un ensemble de règles d'apprentissage non supervisées permettant son autoadaptation. La première partie introduit les enjeux industriels. La deuxième partie expose des approches d'élaboration d'un système de diagnostic industriel avec en particulier celle par reconnaissance de formes. La troisième partie présente des techniques de classification à apprentissage hors ligne, puis deux techniques neuronales autorisant la prise en compte de données évolutives. La quatrième partie décrit l'architecture évolutive du réseau AUDyC construite selon une approche multiprototype. Les règles d'apprentissage autorisent l'adaptation, la création, la fusion et la suppression de prototypes ou de classes, et sont structurées en trois phases: classification, fusion et évaluation. La cinquième partie expose la structure adaptative de supervision élaborée à partir du réseau AUDyC, puis décrit les performances de celle-ci pour la supervision d'une presse hydraulique.
50
Kusyk, Meryl. "Les dynamiques du développement de l'anglais au travers d'activités informelles en ligne : une étude exploratoire auprès d'étudiants français et allemands." Thesis, Strasbourg, 2017. http://www.theses.fr/2017STRAG037.
Full textAbstract:
Les recherches sur l'apprentissage informel de l'anglais en ligne (AIAL) étudient la manière dont des locuteurs non natifs de l’anglais participent aux activités de loisir sur Internet en langue étrangère et les implications que ces interactions peuvent avoir pour le développement de la langue étrangère. Cette thèse a pour objectif d’examiner l’envergure de ces pratiques et d’analyser le développement langagier des apprenants en termes de complexité, précision, aisance à communiquer et chunks. 953 étudiants français et allemands ont renseigné un questionnaire d’environ 60 questions sur leurs pratiques informelles en ligne en anglais. Les résultats montrent des habitudes similaires entres les deux cohortes, une préférence pour les activités de compréhension plutôt que de production, des taux bas d’apprentissage explicite et des raisons de participer liées au contenu des activités plutôt qu’à la langue. Ensuite deux études de cas ont été réalisées sur 10 mois. Des données orales et écrites ont été analysées. Les résultats indiquent que chaque apprenant possède son propre profil AIAL et que les trajectoires de développement sont individuelles et non linéairesPreliminary research regarding the online informal learning of English has shown that L2 development can result from participation in informal activities online. The goal of this dissertation is to examine the range of these online practices and to analyse university students’ long-term L2 development through their participation in such activities.953 French and German university students responded to a questionnaire containing approximately 60 questions regarding their online informal activities in English. Results from this survey show many similar practices between the two cohorts, a preference for comprehension over production and interaction activities, low rates of active (explicit) learning and content-associated rather than language-associated reasons for participating. Case studies were subsequently carried out. Oral and written data were collected over 10 months and analysed for complexity, accuracy and fluency measures as well as the use of language chunks. Results show that each language user interacts with the activities in his/her own unique style and that the different L2 measures evolve non-linearly and in relation to one another