Dissertations / Theses on the topic 'Modélisation des neurones'
To see the other types of publications on this topic, follow the link: Modélisation des neurones.
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 50 dissertations / theses for your research on the topic 'Modélisation des neurones.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse dissertations / theses on a wide variety of disciplines and organise your bibliography correctly.
1
Yonaba, Harouna. "Modélisation hydrologique hybride : réseau de neurones - modèle conceptuel." Thesis, Université Laval, 2009. http://www.theses.ulaval.ca/2009/26583/26583.pdf.
Full text
2
Michel, Christophe. "Modélisation mathématique de l'activité électrophysiologique des neurones auditifs primaires." Phd thesis, Université Montpellier II - Sciences et Techniques du Languedoc, 2012. http://tel.archives-ouvertes.fr/tel-00808610.
Full textAbstract:
En réponse à une stimulation sonore, la cellule ciliée interne libère du glutamate qui va activer des récepteurs distribués sur le bouton post-synaptique. Les courants post-synaptiques vont ensuite dépolariser la terminaison périphérique des neurones auditifs primaires, et initier le déclenchement d'un potentiel d'action. Tandis que la connaissance des mécanismes pré-synaptiques a considérablement progressé ces 10 dernières années, les mécanismes responsables de l'initiation des potentiels d'action sont encore méconnus. Dans cette étude, nous avons déterminé les conductances ioniques nécessaires au déclenchement des potentiels d'action. Les paramètres biophysiques des conductances (Na et K) ont été identifiés (algorithme d'identification trace entière) à partir d'enregistrements de patch clamp acquis sur les corps cellulaires. Un modèle mathématique de nœud de Ranvier a ensuite été développé en faisant l'hypothèse que les canaux présents sur le corps cellulaire et sur un nœud de Ranvier étaient de même nature mais en densités différentes. Les paramètres de ce modèle ont été identifiés pour reproduire les potentiels d'action extracellulaire au moyen d'un algorithme de descente du gradient. Nous avons identifié i) un courant Na entrant rapide (GNa activation: V1/2=-33 mV, act< 0.5 ms; inactivation: V1/2=-61 mV, inact < 2 ms) et deux courants K sortants, un rectifiant retardé activé à haut seuil (GKH, activation: V1/2=-41 mV; act < 2.5 ms) et un activé à bas seuil (GKL, activation: V1/2=-56 mV; act < 5 ms). Le modèle de nœud de Ranvier génère des potentiels d'action extracellulaire similaires à ceux enregistrés in vivo. La différence de durée du potentiel d'action observée le long de l'axe tonotopique (i.e. 450 µs de durée pic à pic à 1 kHz contre 250 µs à 20 kHz) s'explique parfaitement par un gradient de densité en canaux ioniques le long de la cochlée (GNa~78 nS, GKL~9 nS, GKH~3 nS à 1 kHz contre GNa~90 nS, GKL~12 nS, GKH ~6 nS à 20 kHz). Cette étude a permis d'identifier les conductances ioniques et les densités de canaux responsables de l'initiation des potentiels d'action dans les neurones auditifs primaires. Elle suggère que la coopération entre le courant Na et des 2 courants K est probablement à l'origine de la haute fréquence de décharge de ces neurones. Le modèle de nœud de Ranvier permet en outre de tester de nouvelles stratégies de stimulation électrique dans le contexte de l'implant cochléaire.
3
Douence, Vincent. "Circuits et systèmes de modélisation analogique de neurones biologiques." Bordeaux 1, 2000. http://www.theses.fr/2000BOR10596.
Full textAbstract:
L'objectif de cette these est la realisation de calculateurs analogiques bases sur des modeles neurophysiologiques de type hodgkin et huxley. Ces simulateurs sont batis autour d'asics (application specific integrated circuits) analogiques specifiquement concus pour resoudre ces equations. Construits avec une approche modulaire, ils permettent la simulation realiste en temps reel et continu de l'activite electrophysiologique de neurones biologiques. Afin de garder une souplesse d'utilisation maximale, les parametres des modeles et les interconnexions de ses differents elements sont programmables. L'application premiere des systemes presentes est la realisation de reseaux hybrides, ou neurones biologiques et artificiels interagissent, des exemples d'utilisation de cette technique sont presentes.
4
Hodara, Pierre. "Systèmes de neurones en interactions : modélisation probabiliste et estimation." Thesis, Cergy-Pontoise, 2016. http://www.theses.fr/2016CERG0854/document.
Full textAbstract:
On étudie un système de particules en interactions. Deux types de processus sont utilisés pour modéliser le système. Tout d'abord des processus de Hawkes. On propose deux modèles pour lesquels on obtient l'existence et l'unicité d'une version stationnaire, ainsi qu'une construction graphique de la mesure stationnaire à l'aide d'une décomposition de type Kalikow et d'un algorithme de simulation parfaite.Le deuxième type de processus utilisés est un processus de Markov déterministe par morceaux (PDMP). On montre l'ergodicité de ce processus et propose un estimateur à noyau pour la fonction de taux de saut possédant une vitesse de convergence optimale dans L²We work on interacting particles systems. Two different types of processes are studied. A first model using Hawkes processes, for which we state existence and uniqueness of a stationnary version. We also propose a graphical construction of the stationnary measure by the mean of a Kalikow-type decomposition and a perfect simulation algorithm.The second model deals with Piecewise deterministic Markov processes (PDMP). We state ergodicity and propose a Kernel estimator for the jump rate function having an optimal speed of convergence in L²
5
Dubois-Boissier, Marie-Dominique. "Modélisation d'un neurone du striatum." Université Joseph Fourier (Grenoble), 1996. http://www.theses.fr/1996GRE19004.
Full text
6
Meunier, David. "UNE MODÉLISATION ÉVOLUTIONNISTE DU LIAGE TEMPOREL." Phd thesis, Université Lumière - Lyon II, 2007. http://tel.archives-ouvertes.fr/tel-00198797.
Full textAbstract:
L'hypothèse du liage temporel par synchronie suscite un intérêt important en neurobiologie, car elle permet d'expliquer comment différentes structures du cerveau peuvent établir entre elles un lien fonctionnel, en rapport avec une fonction cognitive. Cependant, il n'existe pas de modèle permettant de faire communiquer différents groupes de neurones par le biais de leurs émissions. Nous avons développé un modèle de réseau de neurones impulsionnels, dont la topologie est modifiée par un algorithme évolutionniste. Le critère de performance utilisé pour l'algorithme évolutionniste est évalué par l'intermédiaire du comportement d'un individu contrôlé par un réseau de neurones impulsionnels, et placé dans un environnement virtuel. L'utilisation du neurone impulsionnel, ayant la propriété de détection de synchronie, oblige l'évolution à construire un système utilisant cette propriété au niveau global, d'où l'émergence de la synchronisation neuronale à large-échelle. Les propriétés topologiques et dynamiques du réseau de neurones ne sont pas prises en compte dans le calcul de la performance, mais sont étudiées a posteriori, en comparant les individus avant et après évolution.
D'une part, grâce aux outils de la théorie des réseaux complexes, nous montrons l'émergence d'un certain nombre de propriétés topologiques, notamment la propriété de réseau ``petit-monde''. Ces propriétés topologiques sont similaires à celles observées au niveau de l'anatomie des systèmes nerveux en biologie. D'autre part, au niveau de la dynamique, nous établissons que la propriété de synchronisation neuronale à large-échelle, résultant de la présentation d'un stimulus, est présente chez les individus évolués. Pour ce faire, nous nous appuyons sur les outils classiquement utilisés en électrophysiologie, et nous les étendons pour pouvoir interpréter la grande quantité de données obtenue à partir du modèle.
Le modèle montre que l'on peut construire des réseaux de neurones basés sur l'hypothèse du liage temporel en ayant recours à l'évolution artificielle, en se basant sur un critère de performance écologique, c.à.d. le comportement de l'individu dans son environnement. D'autre part, les outils développés pour l'analyse des propriétés du modèle peuvent être utilisés dans d'autres domaines, en premier lieu en électrophysiologie. En effet, à cause des progrès techniques sur les enregistrements électrophysiologiques, la quantité de données se rapproche singulièrement de celle issue du modèle.
7
Chevallier, Julien. "Modélisation de grands réseaux de neurones par processus de Hawkes." Thesis, Université Côte d'Azur (ComUE), 2016. http://www.theses.fr/2016AZUR4051/document.
Full textAbstract:
Comment fonctionne le cerveau ? Peut-on créer un cerveau artificiel ? Une étape essentielle en vue d'obtenir une réponse à ces questions est la modélisation mathématique des phénomènes à l'œuvre dans le cerveau. Ce manuscrit se focalise sur l'étude de modèles de réseaux de neurones inspirés de la réalité.Cette thèse se place à la rencontre entre trois grands domaines des mathématiques - l'étude des équations aux dérivées partielles (EDP), les probabilités et la statistique - et s'intéresse à leur application en neurobiologie. Dans un premier temps, nous établissons les liens qui existent entre deux échelles de modélisation neurobiologique. À un niveau microscopique, l'activité électrique de chaque neurone est représentée par un processus ponctuel. À une plus grande échelle, un système d'EDP structuré en âge décrit la dynamique moyenne de ces activités. Il est alors montré que le modèle macroscopique peut se retrouver de deux manières distinctes : en étudiant la dynamique moyenne d'un neurone typique ou bien en étudiant la dynamique d'un réseau de $n$ neurones en champ-moyen quand $n$ tend vers l’infini. Dans le second cas, la convergence vers une dynamique limite est démontrée et les fluctuations de la dynamique microscopique autour de cette limite sont examinées. Dans un second temps, nous construisons une procédure de test d'indépendance entre processus ponctuels, ces derniers étant destinés à modéliser l'activité de certains neurones. Ses performances sont contrôlées théoriquement et vérifiées d'un point de vue pratique par une étude par simulations. Pour finir, notre procédure est appliquée sur de vraies donnéesHow does the brain compute complex tasks? Is it possible to create en artificial brain? In order to answer these questions, a key step is to build mathematical models for information processing in the brain. Hence this manuscript focuses on biological neural networks and their modelling. This thesis lies in between three domains of mathematics - the study of partial differential equations (PDE), probabilities and statistics - and deals with their application to neuroscience. On the one hand, the bridges between two neural network models, involving two different scales, are highlighted. At a microscopic scale, the electrical activity of each neuron is described by a temporal point process. At a larger scale, an age structured system of PDE gives the global activity. There are two ways to derive the macroscopic model (PDE system) starting from the microscopic one: by studying the mean dynamics of one typical neuron or by investigating the dynamics of a mean-field network of $n$ neurons when $n$ goes to infinity. In the second case, we furthermore prove the convergence towards an explicit limit dynamics and inspect the fluctuations of the microscopic dynamics around its limit. On the other hand, a method to detect synchronisations between two or more neurons is proposed. To do so, tests of independence between temporal point processes are constructed. The level of the tests are theoretically controlled and the practical validity of the method is illustrated by a simulation study. Finally, the method is applied on real data
8
Roudgé, Mathieu. "Modélisation expérimentale par les réseaux de neurones du perçage multi-materiaux." Thesis, Bordeaux 1, 2011. http://www.theses.fr/2011BOR14226/document.
Full textAbstract:
Les nouvelles avancées dans le domaine de la science des matériaux ont engendré l’apparition de nouvelles problématiques notamment concernant leurs perçages. Dans le cas des structures aéronautiques, l’opération de perçage des panneaux multi-matériaux CFRP/aluminium se situe juste avant l’assemblage final. Les pièces percées ont donc une forte valeur ajoutée. L’intérêt de pouvoir prédire le moment où la qualité du perçage s’approche des bornes des spécifications prend alors tout son sens. La mise en place d’un modèle expérimental multi-matériaux par les réseaux de neurones permet prédire la qualité du perçage réalisé pour une séquence d’empilement donnée. En utilisant une démarche similaire, un système de surveillance hors ligne du perçage multi-matériaux a été établi. Deux méthodes ont été développées : la méthode générale permettant de s’adapter à un grand nombre d’empilement et la méthode spécifique, plus précise, mais dont le domaine de validité se cantonne à une seul séquenceNew advances in the field of materials science have led to the emergence of new issues particularly concerning their holes. In the case of aeronautical structures, the drilling of multi-material panels CFRP / aluminum is just before final assembly. Pierced parts thus have a high added value. The interest can predict when the quality of the hole approaches the limits of the specifications takes a lot of sense. The establishment of an experimental model multi-materials by neural networks can predict the quality of the hole made for a given stacking sequence.Using a similar approach, a monitoring system offline drilling multi-materials has been established. Two methods have been developed: the general method to adapt to a large number of stacking and specific method, more accurate, but the range of validity is confined to a single sequence
9
Berthommier, Frédéric. "Intégration neuronale dans le système auditif : modélisation de réseaux neuronaux temporo-dépendants." Phd thesis, Université Joseph Fourier (Grenoble), 1992. http://tel.archives-ouvertes.fr/tel-00342101.
Full text
10
Berthommier, Frédéric. "Intégration neuronale dans le système auditif : modélisation de réseaux neuronaux temporo-dépendants." Phd thesis, Grenoble 1, 1992. https://theses.hal.science/tel-00342101.
Full text
11
Abassi, Mohamed Habib. "Modélisation par réseaux de neurones de la maintenabilité d'un logiciel en télécommunication." Thesis, National Library of Canada = Bibliothèque nationale du Canada, 1999. http://www.collectionscanada.ca/obj/s4/f2/dsk1/tape7/PQDD_0006/MQ43746.pdf.
Full text
12
Boucher, Marie-Amélie. "Modélisation hydrologique probabiliste par réseaux de neurones : calibration de la distribution prédictive." Thesis, Université Laval, 2006. http://www.theses.ulaval.ca/2006/24021/24021.pdf.
Full text
13
Goulet-Fortin, Jérôme. "Modélisation des rendements de la pomme de terre par réseau de neurones." Thesis, Université Laval, 2009. http://www.theses.ulaval.ca/2009/26556/26556.pdf.
Full text
14
Jemeï, Samir. "Modélisation d'une Pile à Combustible de type PEM par Réseaux de Neurones." Phd thesis, Université de Franche-Comté, 2004. http://tel.archives-ouvertes.fr/tel-00777611.
Full textAbstract:
Ce travail apporte une contribution à la modélisation des piles à combustible de type PEM. La modélisation fait ici appel aux réseaux artificiels de neurones et est appliquée à deux piles à combustible de puissances différentes. La première partie de ce mémoire rappelle les verrous technologiques liés à l'intégration des piles à combustibles dans un véhicule. Puis l'auteur s'interroge sur la nécessité de modéliser une pile à combustible avant de se pencher sur les différentes méthodes de modélisation existante. La réalisation d'un modèle neuronal décrivant le comportement statique d'une pile à combustible de type PEM est la première étape de cette étude. La deuxième partie décrit la démarche qui a permis de réaliser ce modèle. Elle se décompose en trois points essentiels : 1) choix d'une topologie adaptée, 2) choix d'essais expérimentaux pour établir une séquence d'apprentissage représentative du système et choix des entrées/sorties du modèle, 3) étude de différentes techniques d'apprentissage menant à une modélisation satisfaisante. Afin d'obtenir un modèle complet, le comportement dynamique de la pile doit être décrit. L'élaboration du modèle dynamique à l'aide de réseaux de neurones bouclés est exposée dans la troisième partie. Pour conclure ce mémoire, une méthode originale basée sur l'analyse de Fourier permet d'obtenir une boîte noire multi-modèle permettant de coupler les modèles dynamiques et statiques pour prédire l'évolution temporelle de la tension de la pile à combustible selon des sollicitations de courant à fréquence variable. Enfin, une étude de sensibilité paramétrique est réalisée.
15
Guiochon, Samuel. "Modélisation et contrôle en ligne d'une polymérisation : l'apport des réseaux de neurones." Bordeaux 1, 1996. http://www.theses.fr/1996BOR10637.
Full textAbstract:
Une procedure de controle du degre de polymerisation moyen en nombre est proposee dans le cas de la polymerisation radicalaire en solution du methacrylate de methyle produit dans un reacteur semi-continu. L'apport des reseaux de neurones a cette procedure est plus particulierement etudie
16
Bal, Lyes. "Modélisation du retrait et du fluage du béton par réseaux de neurones." Thesis, Lille 1, 2009. http://www.theses.fr/2009LIL10112/document.
Full textAbstract:
Le béton est le matériau de construction le plus utilisé depuis plus d’un siècle. Après sa mise en place et sa prise, il connaît diverses évolutions dimensionnelles d’origine physique comme le retrait et d’origine physique et mécanique comme le fluage. Le séchage qui accompagne le durcissement du béton conduit à d’importantes variations dimensionnelles, qui peuvent se manifester par des fissures préjudiciables à la durabilité et à la bonne tenue des ouvrages. La présente étude a pour objet de montrer l’application d’une approche non paramétrique dite « Réseaux de Neurones Artificiels » afin de prévoir efficacement les variations dimensionnelles spontanées et différés (Retrait de Dessiccation et Fluage de Dessiccation). L’utilisation de cette approche permet le développement de modèles pour leur prévision en utilisant un réseau multicouche à rétropropagation. Ils s’appuient également sur une grande base de données de résultats expérimentaux recueillis dans la littérature et sur un choix approprié des architectures et du processus d’apprentissage utilisés. Ces modèles prennent en compte les différents paramètres de conservation et de confection qui influent sur le retrait et le fluage du béton. Pour mieux apprécier la validité de ces modèles, nous les avons comparés avec d’autres existants dans la littérature tel que : B3, ACI 209, CEB et GL2000. De ces comparaisons, il ressort que ces modèles sont correctement adaptés pour décrire l’évolution dans le temps du retrait et du fluageConcrete is the material the most used in construction works for a century. After establishment and setting, various physical and mechanical dimensional developments. Occur drying is developing with hardening of concrete and leads to significant dimensional changes, that can induce cracking, pre judiciable at the durability of the civil engineering works. This study aims to demonstrate the application of a nonparametric approach called Artificial Neural Networks to provide effective spontaneous and differed dimensional variations (drying shrinkage and drying creep). Using this approach allows the development of predicting models. These models use a multi layer back propagation. They also rely on a very large database of experimental results obtained in the literature and an appropriate choice of architectures and learning process. These models take into account the different parameters of preservation and making that affect drying shrinkage and creep of concrete. To appreciate the validity of our models, we have compared with other existing models : B3, ACI 209, CEB and GL2000. In these comparisons, it appears that our models are correctly adapted to describe the time evolution of drying shrinkage and creep
17
Guerin, Paul. "Modélisation et recherche de stratégies expérimentales dans l’atrophie multisystématisée." Thesis, Bordeaux, 2018. http://www.theses.fr/2018BORD0141.
Full textAbstract:
L’atrophie multisystématisée (AMS) est une maladie neurodégénérative orpheline altérant de nombreuses régions du système nerveux central, notamment les systèmes olivopontocérébelleux et striatonigral ainsi que divers noyaux autonomes du tronc cérébral, et dont la progression est très rapide. La principale caractéristique de l’AMS est la présence d’agrégats oligodendrogliaux nommés inclusions cytoplasmiques gliales dont le principal composant est la protéine α-synucléine (α-syn). La dégénérescence entraine notamment une grave atteinte des fonctions autonomes, ainsi qu’à un degré variable un syndrome parkinsonien et des troubles cérébelleux. Il n’existe aujourd’hui aucun traitement modifiant la progression de la maladie ni de biomarqueur permettant de détecter ou de suivre son évolution. Ma thèse est une approche multifactorielle qui m’a permis de travailler sur les diverses étapes de la recherche à visée thérapeutique, de la modélisation animale à la phase pré-clinique, puis à la détermination de potentiels biomarqueurs de la sévérité de la maladie. Dans la première partie de la thèse, nous avons induit une surexpression virale de l’α-syn oligodendrogliale par injection stéréotaxique striatale chez le rat et le singe. Nous avons montré chez le rat une dysfonction motrice progressive, une dégénérescence des neurones dopaminergiques de la substance noire compacte (SNc) mais aussi des neurones striataux, ainsi qu’une agrégation pathologique de l’α-syn. Pour le modèle primate, nous avons déterminé la spécificité de l’expression de l’α-syn oligodendrogliale, l’étendue de l’infection virale et de la présence de l’α-syn. Dans un second temps, nous avons étudiés l’effet de trois stratégies thérapeutiques sur la neurodégénérescence et l’agrégation de l’α-syn retrouvées dans un modèle murin transgénique de l’AMS. La rapamycine, dont une des actions est d’activer la dégradation protéique, a montré un effet neuroprotecteur partiel sur la dégénérescence des neurones de la SNc, tandis que l’administration intrapéritonéale du nilotinib qui avait montré des effets neuroprotecteurs et anti agrégatifs dans divers modèles de la maladie de Parkinson n’a eu aucun effet dans ce modèle. La troisième stratégie thérapeutique a pour but d’agir sur la résistance à l’insuline cérébrale, qui est une des caractéristiques des patients AMS, chez notre modèle murin transgénique par une approche d’injection stéréotaxique virale au niveau du striatum induisant la surexpression d’un micro ARN. L’inhibition de la kinase GRK2, impliquée dans les phénomènes de résistance à l’insuline, suite à cette injection a montré des effets neuroprotecteurs dans la SNc. Le troisième projet de ma thèse a consisté à mesurer, grâce à la technologie SIMOA, la concentration de plusieurs biomarqueurs potentiels dans le sérum et le liquide céphalo rachidien de patients AMS et à les corréler avec les données cliniquesAbstract: Multiple system atrophy (MSA) is a rapidly progressing orphan disease characterized by neurodegeneration in several brain regions, including olivopontocerebellar and striatonigral systems, together with several brainstem autonomic nuclei. The hallmark of MSA is the presence of oligodendroglial aggregates named glial cytoplasmic inclusions, which are mostly composed of the protein α-synuclein (α-syn). The neurodegenerative process causes a variable combination of parkinsonism, cerebellar impairment and autonomic dysfunction. No disease modifying therapies, nor peripheral biomarkers that would allow detecting or monitoring the evolution of MSA, are yet available. My PhD work was a multifactorial approach which allowed me to work on the different levels of therapeutic research, from animal modelling to preclinical research, and finally the search for fluid biomarkers in patient samples. We first created new models of MSA based on viral-mediated overexpression of α-syn in striatal oligodendrocytes in rats and non-human primates. We showed in our rat model progressive motor dysfunction, degeneration of dopaminergic neurons of the substantia nigra pars compacta (SNc) and striatal neurons, as well as pathological aggregation of α-syn. For the primate model, we established the specificity of oligodendroglial α-syn expression and the reach of the viral infection. In the second part, we studied the effect of three therapeutic strategies on neurodegeneration and α-syn aggregation in a transgenic murine model of MSA. Rapamycine, known to activate protein degradation through autophagy, showed a partial neuroprotective effect on dopaminergic neurons of the SNc, while intraperitoneal administration of nilotinib, which exerted neuroprotective and anti-aggregative effects in several models of Parkinson’s disease, failed to show any effect in transgenic MSA mice. The last therapeutic strategy aimed to act on brain insulin resistance, which is one of the pathological features found in MSA patient brains, through viral-mediated overexpression of a micro RNA that reduces the expression of the G protein (heterotrimeric guanine nucleotide–binding protein)–coupled receptor kinase 2 (GRK2). The inhibition of the GRK2 kinase, which is involved in mediating insulin resistance, showed neuroprotective effects in the SNc in transgenic MSA mice. The third project of my PhD work consisted in the assessment of several potential fluid biomarkers in MSA patients using the SIMOA technology
18
Vasilache, Adriana. "Les réseaux de neurones pour la modélisation et la commande des procédés biotechnologiques." Toulouse, INSA, 2000. http://www.theses.fr/2000ISAT0050.
Full textAbstract:
Dans ce travail nous réalisons une étude sur l'utilisation de réseaux de neurones pour la modélisation, la classification et la prédiction appliquées aux procédés de fermentation. Les modèles de type boîte noire (et nous classifions ici les réseaux de neurones) sont utiles pour la modélisation des procédés ou des phénomènes pour lesquels des modèles analytiques ne peuvent pas être déduits à partir de considérations physiques. Parmi les avantages des modèles neuronaux par rapport aux autres modèles boîte noire, nous mentionnons le fait qu'ils sont des approximateurs universels, leurs fonctions de base sont adaptatives, leur structure répétitive permet une facile implémentation logicielle et matérielle et ils ont la propriété de la régularisation implicite. Ceux-ci, combinés avec les caractéristiques de procédés biologiques (procédés non-linéaires et non-stationnaires dont la dynamique et peu connue), fournissent la raison pour laquelle les réseaux de neurones sont un outil très apprécié pour la modélisation des procédés biologiques, ou des procédés de fermentation, dans notre cas. Nous avons donc utilisé des structures de modèles neuronaux déjà existants et proposé aussi de nouvelles structures pour les cas ciblés de fermentations alcoolique et lactique. Nous présentons deux approches pour la caractérisation de la dynamique d’un procédé de fermentation: la modélisation du taux de croissance en biomasse, le paramètre dynamique principal du procédé et la caractérisation globale du type de la dynamique du procédé à l’aide d’un classifieur neuronal. Les deux approches sont testées en simulation et sur des données expérimentales pour une fermentation lactique et une fermentation alcoolique. La caractérisation globale de la dynamique d’un procédé de fermentation représente un outil potentiel pour la supervision des procédés en détectant les changements dans la dynamique du système où une aide à la modélisation des procédés de fermentation en mode discontinu. Nous avons considéré aussi la prédiction de la biomasse pour une fermentation en mode continu et les modèles neuronaux de prédiction ont été testés dans une stratégie de commande prédictive. Les résultats sont comparés avec la même stratégie prédictive mais utilisant une approche adaptative et l'approche neuronale a un succès incontestable pour les cas ou la dynamique du procédé change dans le temps. Finalement nous nous sommes intéressés à la prédiction du quotient respiratoire, proposant un modèle neuronal de prédiction. Il est réalisé en vue d'une commande prédictive du procédé pour la maintenance d'un certain régime de fonctionnement (oxydatif ou fermentaire)In this work we realize a study on the use of the neural nets for the modeling, classification and the control of fermentation processes. The black-box models (we consider a neural net like a black box model) are of great help for processes or phenomena modeling when analytical models cannot be deduced from physical considerations. Some of the advantages of the neural nets when compared to other black-box models are: they are universal approximators using a small number of parameters, their basis functions are adaptive, their repetitive structure permits an easy implementation both software and hardware and they have the property of implicit regularization. These, combined with the characteristics of the biological processes (which are non-linear, non-stationary processes whose dynamics isn’t entirely known), are the reason for which the neural nets are used for the modeling of such processes. We have thus used existing neural models and proposed new ones for the cases of lactic and alcoholic fermentations. We have presented two approaches for the characterization of the fermentation process dynamics: the modeling of the specific biomass growth rate, the most important dynamic parameter of a fermentation process and the global characterization of the process dynamics using a neural classifier. The two approaches have been tested in simulation and on real data for lactic or alcoholic fermentation processes. The use of a classifier of the process dynamics represents a potential tool for process supervision by means of detecting the changes in the process dynamics as well as an aid for the process modeling in the case of batch processes. The prediction of the biomass concentration has also been considered for a continuous fermentation process. The neural models have been tested in a predictive control strategy and compared with a similar strategy using adaptive modeling. The neural prediction has been an incontestable winner for the cases where the process dynamics changes in time. The last issue of our study has been the prediction of the respiratory quotient for a alcoholic fermentation for which we proposed a neural model. It has been proposed in view of a predictive control strategy for the maintenance of a certain regime (fermentative or oxidative)
19
Cottrell, Marie. "Modélisation de réseaux de neurones par des chaines de Markov et autres applications." Paris 11, 1988. http://www.theses.fr/1988PA112232.
Full textAbstract:
La première partie de la thèse consiste en un article publié (IEEE Trans. Aut. Control Vol. AC 28, n° 9, 1983), avec J. C. Fort et G. Malgouyres, qui propose deux méthodes d'évaluation du temps de sortie d'un bassin d'attraction pour une chaine de Markov ce temps étant extrêmement grand, on utilise pour cela un changement de probabilité exponentiel tant pour une méthode de simulation rapide que pour une approximation diffusion non standard. La deuxième partie comprend deux articles publiés avec J. C. Fort (Annales de l'IHP Probabilités et Statistiques vol. 23, n°1, 1987) et Biological Cybernetics (N° 53, 1986). Le premier donne une démonstration de la convergence de l'algorithme d'auto-organisation de Kohonen en dimension 1. Dans le second, nous définissons un algorithme d’auto-organisation qui est une version simplifiée de celui de Kohonen, et nous démontrons sa convergence en dimensions 1 et 2. Dans la troisième partie, publiée dans Biological Cybernetics (n°58, 1988) nous résolvons le problème du calcul de la matrice de connexions pour un réseau de neurones de type Mac Culloch et Pitts ou Hopfield, qui permette d'obtenir la plus grande attractivité possible, dans le cas de l'algorithme déterministe et de patrons non nécessairement orthogonaux. De plus nous calculons pour une matrice de connexion donnée l'attractivité de chaque patron mémorisé. La dernière partie est consacrée à l'étude du rôle de l'inhibition dans un réseau de neurones connectés aux plus proches voisins. Le modèle choisi est proche de la réalité biologique du cortex cérébelleux chez le jeune animal. On montre que tant que l'inhibition est plus faible qu'un certain seuil, le réseau est ergodique et que s'installe rapidement un régime stationnaire. Au contraire, lorsque l’inhibition s’accroit, on provoque des réponses en bandes ou moirures, dont la forme et la largeur dépendent du type de voisinage considéréThe first part of the thesis consists of a paper published in IEEE Trans. Aut. Control (vol. AC-28, n°9, 1983), with J. C. Fort and G. Malgouyres. It gives two methods of calculating the exit time of a Markov chain from an attraction domain this time is extremely long, sa we use an exponential change of probability (that of large deviations theory), for a fast simulation and a non-standard approximation by diffusion. The second part includes two papers published with J. C. Fort in the Annales de l'IHP, Probabilités and Statistiques (vol. 23, n° 1, 1987}, and in Biological Cybernetics (n° 53, 1986). In the first one, we prove the convergence of Kohonen's self-organizing algorithm, in dimension 1. In the second one, we define another self-organizing algorithm, which is a simplified variant of Kohonen's, and we prove its convergence in dimensions 1 and 2. In the third part, published in Biological Cybernetics (n°58, 1988), we solve the problem of the connection matrix calculus for a Mac-Culloch or Hopfield neural network, so as to get the largest attractivity for the deterministic algorithm and non-orthogonal patterns. Then we calculate the attractivity of each memorized pattern, for a given connection matrix. The last part is devoted to the study of the role of inhibition in a nearest-neighbours-connected neural network. The model closely ressembles the biological reality of the young animal's cerebellar cortex. We prove that, when inhibition is smaller than a certain threshold, the network is ergodic and works in a stationary way. Conversely, when inhibition increases, striped or moiré responses appear, whose form and width depend on the considered neighbourhood size
20
Rey-Fabret, Isabelle. "Les réseaux de neurones pour la modélisation des écoulements d'effluents dans les pipelines." Paris, CNAM, 2005. http://www.theses.fr/2005CNAM0513.
Full textAbstract:
Le logiciel TACITE développé par l’IFP est un outil de modélisation des écoulements polyphasiques dans les conduites pétrolières, composé de trois principales entités : le module thermodynamique, le module hydrodynamique et le schéma numérique. Ce logiciel rencontre des difficultés dans certains cas de production. A priori, elles ont été attribuées en partie au caractère non dérivable de la fonction hydrodynamique. Dans ce cadre, l’objectif de la présente thèse était de rendre cette fonction continue et dérivable en tout point de son domaine de définition, et de voir dans quelle mesure ceci permettait de résoudre en partie les problèmes de TACITE. On s’est placé pour cela dans le cas d’écoulements diphasiques gaz / liquide. L’outil de modélisation choisi pour atteindre cet objectif était la modélisation par réseaux de neurones. En première approche, un modèle neuronal composé d’un seul réseau de neurones a démontré la faisabilité d’un tel modèle. L’analyse plus fine du problème a permis ensuite de proposer une structure de modèle neuronal multi-experts qui s’inspire de la structure du modèle hydrodynamique de TACITE. La mise en œuvre d’un processus de sélection de variables par la méthode HVS a permis de définir les entrées et les sorties les plus appropriées pour la réalisation du modèle, et d'y introduire des connaissances physiques. . A travers les différents tests d'intégration du modèle neuronal dans TACITE, on a montré que ce modèle peut remplacer le modèle hydrodynamique de référence si nécessaire. Dans un contexte difficile de production où TACITE connaît quelques difficultés à réaliser les calculs, l’introduction de ce modèle permet de réaliser la simulation. écoulements polyphasiquesTACITE software gives a model of gas/liquid flow in the pipelines. It is composed of a thermodynamic module, an hydrodynamic module and a numerical scheme. It sometimes encounters difficulties because of the non derivability of the hydrodynamic function. The aim of the tesis is to assume the derivability of the hydrofynamic function. The aim of the thesis is to assume the derivability of this function by usin neural networks methodology. By analysing the problem, a multi-experts neural network is proposed. Its structure is based on the TACITE hydrodynamic module's one. The use of the HVS selection of varainles increases the model performances. Different integration tests in TACITE show that it is able to replace the TACITE hydrodynamic model, and can improve TACITE robustness. In conclusion, this thesis proposes a derivable model to globally reproduce the complex hydrodynamic phenomena generated by two phase flows
21
Alexandre, Frédéric. "Une modélisation fonctionnelle du cortex : La colonne corticale : aspects visuels et moteurs." Nancy 1, 1990. http://docnum.univ-lorraine.fr/public/SCD_T_1990_0054_ALEXANDRE.pdf.
Full textAbstract:
Nous proposons une nouvelle approche connexionniste, fondée sur la modélisation de la colonne corticale, architecture modulaire du cortex. Ses propriétés sont décrites autour des aspects suivants: description statique (architecture et connectivite) puis dynamique (états d'activation, règles de fonctionnement et de mémorisation). L'étude de ce modèle porte également sur les propriétés émergentes de réseaux composés de tels automates.
22
Hocepied, Gatien. "Détection précoce de crises d'épilepsie à l'aide d'une modélisation du comportement oscillatoire neuronal." Doctoral thesis, Universite Libre de Bruxelles, 2012. http://hdl.handle.net/2013/ULB-DIPOT:oai:dipot.ulb.ac.be:2013/209579.
Full text
23
Badja, Cherif. "Optimisation de la différenciation neuronale et musculaire de cellules pluripotentes induites humaines pour la modélisation des maladies rares : exemple du syndrome de DiGeorge." Thesis, Aix-Marseille, 2015. http://www.theses.fr/2015AIXM5027/document.
Full textAbstract:
Le syndrome de DiGeorge ou microdélétion 22q11.2, est la délétion chromosomique la plus fréquente chez les êtres humains. Cette délétion est liée à la recombinaison homologue non-allélique au cours de la méiose induisant la perte d’en moyenne 40 gènes. Les études de corrélation génotype/phénotype chez les patients ont révélé des différences phénotypiques entre individus et cela indépendamment de la taille des microdélétions. L’hypothèse de l’implication des mécanismes épigénétiques dans la variabilité phénotypique observée a été soulevée mais reste encore inexplorée. C’est dans ce contexte que nous nous intéressons à l’étude des mécanismes épigénétiques au cours du développement, dans cette pathologie à travers l’utilisation d’un modèle de cellules souches pluripotentes induites humaines (hiPSs). En particulier, nous avons ciblé nos travaux sur le rôle de la chaperonne d’histone HIRA dont le gène est localisé dans la région délétée. HIRA est impliquée dans la déposition du variant d’histone H3.3, une histone majeure dans le cerveau. Afin de comprendre l’implication de HIRA dans les manifestations neurologique du syndrome de DiGeorge et en particulier dans la schizophrénie, nous avons développé et optimisé un nouveau protocole pour la différenciation de cellules hiPSCs en progéniteurs neuronaux, neurones corticaux et neurones dopaminergiques. L’ensemble de ces travaux ouvre donc de nouvelles perspectives pour la modélisation d’un grand nombre de pathologies, et dans le contexte du laboratoire, pour l’exploration des mécanismes épigénétiques associés à la variabilité phénotypique dans différentes maladies génétiquesThe DiGeorge syndrome also known as 22q11.2 microdeletion syndrome, is the most common deletion in humans. This deletion is linked to a non-allelic homologous recombination that occurs during meiosis and involves sequences called LCRs for "Low Copy Repeats". Depending on the LCRs involved, different deletions are observed, inducing the loss of approximately 40 genes. The absence of genotype/phenotype correlation in patients and the phenotypical differences regardless of the size of the microdeletion suggests the involvement of additional parameter. The hypothesis of epigenetic changes associated with the onset or variability of symptoms has been suggested but never investigated. In order to tackle this question, we decided to focus our attention of the role of the HIRA histone chaperone encoded by a gene located in the 22q11.2-deleted region. HIRA is involved in the deposition of the H3.3 histone variant, one of the main histone in the brain. In order to determine whether HIRA is implicated in the neurological manifestations in DiGeorge patients and particularly in schizophrenia, we developed and optimized a new protocol for the direct differentiation of human induced pluripotent stem cell (hiPSCs) into neural progenitors, cortical and dopaminergic neurons. In parallel, we developed a new protocol for hiPSCs differentiation toward the skeletal muscle lineage and the production of multinucleated muscle fibers. Altogether, these results open new perspectives for the modeling of a large number of pathologies, and in the context of our laboratory, the exploration of epigenetic mechanisms associated with phenotypic variability in different genetic diseases
24
Oussar, Yacine. "Réseaux d'ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus." Phd thesis, Université Pierre et Marie Curie - Paris VI, 1998. http://pastel.archives-ouvertes.fr/pastel-00000677.
Full textAbstract:
Durant les dix dernières années, les réseaux de neurones à fonctions sigmoïdales ont connu de grands succès dans de nombreux domaines. Associés à des algorithmes d'apprentissage efficaces, ils constituent un puissant outil de modélisation non linéaire de processus, grâce à leur propriété d'approximation universelle parcimonieuse. Ce travail de thèse propose une mise en uvre de réseaux d'ondelettes, alternative possible aux réseaux de neurones, pour la modélisation statique et dynamique. Les ondelettes sont une famille de fonctions issues du traitement du signal et de l'image, dont il a été récemment montré qu'elles possèdent la propriété d'approximateur universel. La mise en uvre des réseaux d'ondelettes est effectuée suivant deux approches : - Approche fondée sur la transformée continue: les paramètres des fonctions sont à valeurs continues dans l'ensemble des nombres réels et peuvent donc être ajustés, comme ceux d'un réseau de neurones classique, à l'aide de méthodes de gradient. Nous proposons des réseaux et des algorithmes d'apprentissage pour la modélisation entrée-sortie et d'état. Les résultats obtenus sur des processus simulés et réel montrent que ces réseaux permettent d'obtenir des modèles de performance et de parcimonie équivalentes à celles des réseaux de neurones si des précautions de mise en uvre sont prises. - Approche fondée sur la transformée discrète: les paramètres des fonctions étant à valeurs discrètes, les apprentissages fondés sur des méthodes de gradient ne sont pas applicables. Nous proposons de construire des réseaux par sélection d'ondelettes dans une bibliothèque pré-établie. Cette procédure est également utilisée pour l'initialisation des paramètres des ondelettes avant leur apprentissage. Les résultats obtenus montrent que la procédure proposée confère à l'apprentissage une meilleure indépendance vis-à-vis de l'initialisation aléatoire des autres paramètres ajustables du réseau.
25
Gaudier, Fabrice. "Modélisation par réseaux de neurones : application à la gestion du combustible dans un réacteur." Cachan, Ecole normale supérieure, 1999. http://www.theses.fr/1999DENS0009.
Full textAbstract:
Tous les ans, un quart du combustible nucléaire d'un cœur de réacteur est remplace par du combustible neuf. Du fait de leur historique. Les autres combustibles ont des propriétés physiques très différentes. Se pose alors le problème de la répartition du combustible au sein du cœur tout en veillant à ce que le plan de chargement proposé vérifie des contraintes de sureté : c'est le problème du repositionnement de combustible. Si une recherche exhaustive est illusoire, elle nécessite le calcul des caractéristiques neutroniques, notamment le pic de puissance, pour des milliers de plans de chargements. Dans un code d'optimisation automatique comme Formosa, le calcul de ces caractéristiques représente 90% de la dizaine d'heures nécessaire à l'optimisation. Afin de réduire ce temps de calcul, nous proposons une architecture neuronale originale adaptée au phénomène physique à modéliser. Une analyse de données a permis de caractériser plus finement le combustible nucléaire. L'introduction d'une connaissance a priori portant sur les phénomènes neutroniques a permis de réduire le nombre de paramètres libres du modèle. Nous avons ensuite implémenté ce modèle neuronal dans Formosa, et nous avons montre sur des problèmes réels d'EDF un gain de temps considérable. Enfin, nous proposons également une méthode hybride alliant le meilleur parti de l'approximateur linéaire local GPT (generalized perturbation theory) et les réseaux de neurones.
26
Rochel, Olivier. "Une approche événementielle pour la modélisation et la simulation de réseaux de neurones impulsionnels." Nancy 1, 2004. http://www.theses.fr/2004NAN10004.
Full textAbstract:
Cette thèse est bâtie sur le constat de l'absence d'outils génériques adaptés à la modélisation et la simulation de grands réseaux de neurones impulsionnels. Une première partie de la thèse est consacrée à la présentation des modèles existants. Dans ces modèles, les impulsions se traduisent par des discontinuités dans la dynamique des neurones. Ces discontinuités sont à la source de difficultés de modélisation et de simulation. Nous présentons dans une seconde partie une nouvelle approche, basée sur la notion de système à événements discrets, utilisant le formalisme DEVS. Elle permet de prendre en considération une large classe de modèles de neurones et autorise la construction de réseaux structurés de grande taille. Un outil de simulation utilisant un algorithme de simulation événementiel a été développé et évalué sur machines séquentielles et parallèles. Nous avons également évalué la pertinence de notre approche dans le cadre d'un projet multidisciplinaire sur l'olfactionAt present, there exists no generic modeling and simulation framework that addresses the study of large spiking neural networks. In the existing models, the impulses are generally associated with discontinuities in the otherwise continuous dynamics of the neurons. This raises modeling and practical implementation issues. We propose an novel approach based on the discrete-event system abstraction, grounded on the DEVS formalism, that can be used to represent a large class of spiking neurons and permits the modeling of large networks. A simulation engine has been developed on top of this formalism. It is based on an efficient event-driven algorithm and has been evaluated on sequential as well as parallel machines. We have tested our approach within a multi-disciplinary project on olfactory perception
27
Asnaashari, Ahmad. "Modélisation de la défaillance des réseaux d'eau : approches statistique, réseau de neurones et survie." Lille 1, 2007. https://pepite-depot.univ-lille.fr/LIBRE/Th_Num/2007/50376-2007-Asnaashari.pdf.
Full textAbstract:
La défaillance des réseaux d'eau constitue un problème majeur en Iran, qui nécessite des investissements importants et l'élaboration d'une stratégie optimale pour la réhabilition des réseaux d'eau. Ce travail constitue une contribution à cet objectif. Il vise le développement des outils pour améliorer la gestion et la maintenance des réseaux d'eau. Il comporte la détermination des principaux facteurs affectant la défaillance des réseaux d'eau, l'élaboration d'un modèle de prévision fondé sur les Réseaux de Neurones Artificiels, et le développement d'un modèle de survie. Ces approches ont été appliquées sur le réseau d'eau de la ville de Sanandaj en Iran. Le travail de thèse a comporté différents parties, notamment: la collecte de données sur le réseau de la ville de Sanandaj, l'analyse spatiale et statistique de ces données, le développement d'un modèle basé sur le Réseau de Neurones Artificiels et l'application de l'approche de survie. L'analyse des données a permis la détermination de principaux facteurs à l'origine de la défaillance des réseaux d'eau. Deux modèles de régression (multiple et Poisson) ont été employés pour la prévision du nombre de défaillances du réseau d'eau. Ces modèles ont été comparés à l'approche Réseau de Neurones Artificiels. La comparaison a montré tout l'intérêt d'utiliser l'approche Réseau de Neurones pour la prévision de la défaillance des réseaux d'eau. L'approche de survie a été utilisée pour étudier la durée de vie et étudier l'impact d'une intervention sur le réseau d'eau.
28
Osseni, Mazid Abiodoun. "Modélisation électrophysiologique et biochimique d'un neurone : CA1 cellule de l'hippocampe." Master's thesis, Université Laval, 2015. http://hdl.handle.net/20.500.11794/26164.
Full textAbstract:
Ce mémoire présente une nouvelle approche pour la réalisation de modèles biophysiques de neurone. Dans un premier temps, nous avons développé un modèle électrique compartimental selon le formalisme de Hodgkin-Huxley avec le logiciel NEURON. En second lieu, nous avons procédé à la réalisation de la modélisation biochimique avec des systèmes d’équations différentielles représentant des réactions d’action de masse et des réactions enzymatiques. La modélisation biochimique se fait tant dans un modèle par compartiments avec des équations différentielles ordinaires que dans un modèle spatial avec des équations différentielles partielles. VCell nous a permis de réaliser ce type de modélisation. Le modèle hybride développé présente deux points de jonction entre les formalismes des modèles électrique et biochimique pris indépendemment. Au premier point de jonction, les courants calciques calculés avec les équations de type Hodgkin-Huxley sont convertis en concentration d’ions de calcium. Ce calcium est un messager secondaire pour de nombreuses voies de signalisation cellulaire. Une élévation de la concentration de calcium modifie la dynamique des réactions biochimiques. Le deuxième point de jonction est l’impact de l’activité de kinases sur les propriétés électriques de canaux ioniques. Par la phosphorylation, certaines kinases viennent moduler la réponse électrique du neurone. En intégrant tous ces effets biophysiques et biochimiques dans une même méthodologie de modélisation, nous pouvons modéliser des processus cellulaires complexes dans les neurones. Le cross-talk synaptique est un phénomène physiologique observé, qui consiste en une augmentation de l’excitabilité membranaire suite à l’interaction entre les signaux électrique et biochimique et une communication entre les épines dendritiques du neurone. Cette interaction représente un excellent cas d’étude pour développer et valider notre méthodologie. Cette méthodologie porte sur l’interaction entre le calcium, la MAPK et les canaux KV4.2. Le calcium vient activer la MAPK par l’intermédiaire de différentes molécules. La MAPK vient ensuite phosphoryler les canaux KV4.2 qui sont possiblement responsables d’une augmentation observée de l’excitabilité membranaire.This master’s thesis presents a new modeling technique for biophysical models of individual neurons that integrates their electrical and biochemical behaviors. First of all, we developped an electrical compartmental model. This model is based on the Hodgkin-Huxley formalism and developped in NEURON, a modeling software tool for neuroscience. Then, we developped a biochemical model. This second model is a system of differential equations based on mass action reations and enzymatic reactions. We implemented two versions of this model, one as a compartmental model with ordinary differential equations (ODE) and the other as a spatial model with partial differential equations (PDE). We used the software tool VCell for the biochemical modeling. The hybrid model combining the electrical and biochemical behaviors has two connection points between the electrical and biochemical models. At the first junction, the calcium curents calculated by the Hodgkin-Huxley equations are converted into a concentration of calcium ions. This calcium is a secondary messenger for numerous cellular signaling pathways and a rise of the calcium concentration modifies the biochemical reaction dynamic. The second junction is the kinases activity on the ionic channel electrical properties. Through phosphorylation, the kinases modulate the electrical response of the neuron. By integrating all these biophysical and biochemical effects in the same methodology, we can build a complex cellular process models. The synaptic crosstalk is a physiological event which leads to a local increase of the membrane excitability that is due to the interaction between electrical and biochemical signals. This interaction represents an excellent case study for the development and the validation of our methodology. Our model includes the regulation of calcium, MAPK the channel KV4.2.
29
Bensetti, Mohamed. "Etude et modélisation de capteurs destinés au contrôle non destructif par courants de Foucault : mise en oeuvre de méthodes d'inversion." Paris 11, 2004. http://www.theses.fr/2004PA112291.
Full textAbstract:
Ce traval de these aborde des problematiques liees au controle non destructif (cnd) par courants de foucault, il est decompose en trois grandes parties. La premiere a ete consacree a lamise en Œuvre de methodes d'inversion pour l'estimation des parametres physiques et geometriques de cibles. Pour ce fait, nous nous sommes interesses aux modeles inverses a base de reseaux de neurones. Dans ce contexte deux applications ont ete etudiees. Les micro-bobines sont dediees a plusieurs appucations telles que radio frequence (rf), resonance magnetique nucleaire (rmn), controle non destructif (cnd). Selon l'application, ces micro-bobines peuvent ëtre utilisees en haute frequence (hf). Effectivement, la reponse en hf est differente de celle en bf a cause des effets de peau et de proximite qui influent sur les parametres electriques de la micro-bobine. La resistance et l'inductance dependent de la frequence et la capacite de parasite ne peut etre negligee. La seconde partie est consacree a la mise en Œuvre d'une methode original en combinant entre une analyse magnetodynamique et une analyse electrostatique pour la determination des parametres electriques du schema equivalent. Le dernier aspect aborde a ete consacre a l'elaboration d'une approche hybride assosiant la methode des elements finis et la methode des integrales de frontieres (mif) pour calculer la reponse du capteur en presence de fissures. Deux types de validations ont ete realises dans ce travail, une comparaison des resultats obtenus par la methode des elments finis avec des resultats fournis par le cea (logiciel civa) et une validation de la methode hybride en utilisant un dispositif de mesure au laboratoireThis thesis work approaches the problematic related ones to the non destructif testing (ndt) by eddy current, it's divided into three great parts. The first parts is consecrated to implement of the inverse model for the estimate of the physical and geometrical paramters of the tested spicemen. For this fact, we were interested in the inverse models based by neural networks. In this context two application were studied. The micro-coil are dedicated for different applications : radio frequency (rf), nuclear magnetic resonance (nmr), non destructive testing (ndt). . . Depending on the applications, these micro-coils can be used in high frequency. Acctually, the response of the micro-coil at high frequency is significanly different from their low frequency response because of the skin and proximity effects have an influence on the electrical parameters of the micro-coils. The resistance and the inductance of the winding depend on the frequency. The parasitic capacitance of the winding cannot neglected. In the second part of this work, an original method combining by 3d magnetodynamic alalysis and electrostatic analysis is presented to determine the elements of an electric equivalent circuit. The last aspect studied was devoted to developpement of an hybrid approch associating the finite element method (fem) and the boundary integral method (bim) to calculate the response of the coil in the presence of the cracks. Two types of validations were carried out in this work, a comparison of the results obtained by fem with results provided by the cea ( software civa) and a validation of the hybrid method by measurement results
30
Rivals, Isabelle. "Modélisation et commande de processus par réseaux de neurones ; application au pilotage d'un véhicule autonome." Phd thesis, Université Pierre et Marie Curie - Paris VI, 1995. http://pastel.archives-ouvertes.fr/pastel-00797072.
Full textAbstract:
Les réseaux de neurones formels permettent de construire, par apprentissage statistique, une vaste famille de modèles et de correcteurs non linéaires. L'objet de cette thèse est la définition des modalités de mise en œuvre de réseaux de neurones et l'évaluation de leur apport pour la modélisation et la commande non adaptatives de processus dynamiques non linéaires. Sur le plan théorique, nous présentons la modélisation et la commande de processus par réseaux de neurones dans un cadre aussi général que possible, en les plaçant dans la perspective de l'Automatique classique. En modélisation, les résultats concernant les systèmes linéaires nous aident à formuler les prédicteurs non linéaires optimaux théoriques correspondant à diverses hypothèses sur le bruit intervenant dans le processus à modéliser ; une méthodologie d'apprentissage associée fournit des prédicteurs neuronaux qui sont des réalisations des prédicteurs théoriques. Nous proposons ensuite une famille de systèmes de commande neuronaux, dont nous étudions les propriétés et les liens avec les systèmes de commande classique, linéaire ou non, en insistant notamment sur la robustesse ; ceci nous conduit à développer la commande avec modèle interne neuronale. Sur le plan pratique, nous illustrons notre démarche et nos résultats par une application industrielle, le pilotage d'un véhicule autonome tout-terrain, dont le volant, l'accélérateur et le frein sont commandés par des réseaux neuronaux.
31
Främling, Kary. "Modélisation et apprentissage des préférences par réseaux de neurones pour l'aide à la décision multicritère." Phd thesis, INSA de Lyon, 1996. http://tel.archives-ouvertes.fr/tel-00825854.
Full textAbstract:
La modélisation des préférences des décideurs pour des problèmes de choix est l'objet principal de ce travail de thèse. Afin d'obtenir des modèles plus réalistes, des fonctions de préférence contextuelle sont présentées dans ce mémoire de thèse. La complexité d'expression de telles fonctions est réduite par le recours à des techniques d'apprentissage automatique à partir de réseaux de neurones. L'identification des fonctions de préférence est réalisée par des réseaux de neurones, fondés sur les principes de la régression non-linéaire, à partir d'exemples de décision. Une telle technique n'est pas toujours applicable en pratique à cause du nombre élevé d'exemples nécessaire. Le réseau neuronal INKA, développé dans le cadre de ce travail, effectue la régression avec un nombre d'exemples relativement petit. INKA offre également des temps d'apprentissage courts par rapport à d'autres techniques, ce qui est nécessaire pour une acquisition interactive de la fonction de préférence. INKA est utilisé dans le système interactif d'aide à la décision (SIAD) présenté, qui est un des premiers à mettre en oeuvre un apprentissage automatique d'une fonction de préférence globale. La visualisation de la fonction apprise et les indicateurs de précision et de sensibilité permettent au décideur d'estimer le moment d'arrêter la recherche de solutions. Ceci est particulièrement utile pour apprendre les préférences des décideurs " abstraits " (acteurs sociaux, systèmes naturels, ...), qui ne peuvent pas utiliser directement le système. Les fonctionnalités d'explication développées dans ce travail permettent de justifier les recommandations des SIAD, ce qui a constitué un des grands défis du domaine de l'aide à la décision multicritère et des réseaux neuronaux. Il est donc possible d'expliquer, de comprendre et d'analyser les préférences même pour des décideurs abstraits. L'intérêt de telles explications est de faciliter la prise de décisions négociées dans le cadre de projets d'aménagement complexes ou pour améliorer des produits dont les ventes dépendent des préférences des clients.
32
Taver, Virgile. "Caractérisation et modélisation hydrodynamique des karsts par réseaux de neurones : application à l'hydrosystème du Lez." Thesis, Montpellier 2, 2014. http://www.theses.fr/2014MON20169/document.
Full textAbstract:
La connaissance du fonctionnement hydrodynamique des karsts représente un enjeu planétaire pour la ressource en eau car ils alimentent en eau potable près de 25% de la population mondiale. Néanmoins, la complexité, l'anisotropie, l'hétérogénéité, la non-linéarité et l'éventuelle non-stationnarité de ces aquifères en font des objets encore largement sous-exploités du fait de la difficulté de caractériser leur morphologie et leur fonctionnement hydrodynamique. Dans ce contexte, le paradigme systémique permet d'apporter de nouvelles méthodes en étudiant ces hydrosystèmes au travers de la relation entre leurs signaux d'entrée (pluie) et de sortie (débit). Ainsi ce travail porte sur l'utilisation : i) d'analyses corrélatoires et spectrales pour caractériser la réponse des hydrosystèmes karstiques, ii) des réseaux de neurones pour étudier les relations linéaires et non-linéaires de ces hydrosystèmes. Pour ce faire, différents types de configuration de modèles par réseau de neurones sont explorés afin de comparer le comportement et les performances de ces modèles. On cherche à contraindre ces modèles pour les rendre interprétables en terme de processus hydrodynamiques en rapprochant le fonctionnement du modèle à celui du système naturel afin d'obtenir une bonne représentation et d'extraire des connaissances à partir des paramètres du modèle.Les résultats obtenus par les analyses corrélatoires et spectrales permettent d'orienter la configuration des modèles de réseaux de neurones. Appliqués à l'hydrosystème du Lez sur la période 1950-1967, les résultats montrent que les réseaux de neurones sont à même de modéliser les hydrosystèmes au fonctionnement non-linéaires. L'utilisation de deux hydrosystèmes variant dans le temps (la Durance en France et Fernow aux USA) tend à souligner la capacité des réseaux de neurones à modéliser efficacement les systèmes non stationnaires. Des méthodes d'ajustement en temps réel (adaptativité et assimilation de données) permettent d'accroître les performances des modèles par apprentissage statistique face à des modifications des entrées ou du système lui-même.Finalement, ces différentes méthodes d'analyse et de modélisation permettent d'améliorer la connaissance de la relation pluie-débit. Les outils méthodologiques réalisés dans cette thèse ont pu être développés à partir de l'application à l'hydrosystème du Lez dont le fonctionnement est étudié depuis des décennies. Cette méthodologie d'étude et de modélisation présente l'avantage d'être transposable à d'autres systèmesImproving knowledge of karst hydrodynamics represents a global challenge for water resource because karst aquifers provide approximately 25% of the world population in fresh water. Nevertheless, complexity, anisotropy, heterogeneity, non-linearity and possible non-stationarity of these aquifers makes them underexploited objects due to the difficulty to characterize their morphology and hydrodynamics. In this context, the systemic paradigm proposes others methods by studying these hydrosystems through input-output (rainfall-runoff) relations.This work covers the use of: i) correlation and spectral analysis to characterize response of karst aquifers, ii) neural networks to study and model linear and non-linear relations of these hydrosystems. In order to achieve this, different types of neural networks model configurations are explored to compare behavior and performances of these models. We are looking to constrain these models to make them interpretable in terms of hydrodynamic processes by making the operation of the model closer to the natural system in order to obtain a good representation and extract knowledge from the model parameters.The results obtained by correlation and spectral analysis are used to manage the configuration of neural networks models. Applied on the Lez hydrosystem over the period 1950-1967, results show that neural networks models are capable to model non-linear operation of the karst.Application of neural modelling on two non stationary hydrosystems (Durance in France and Fernow in the the USA) proved the ability of neural networks to model satisfactorily non-stationary conditions. Moreover, two real-time adjustment methods (adaptativity and data assimilation) enhanced the performance of neural network models face to changing conditions of the inputs or of the system itself.Finally, these various methods to analyze and model allow improving knowledge of the rainfall-runoff relationship. Methodological tools developed in this thesis were developed thanks to the application on Lez hydrosystem which has been studied for decades. This study and modeling methodology have the advantage of being applicable to other systems provided the availability of a sufficient database
33
Constant, Luc. "Modélisation de dispositifs électriques par réseaux de neurones en vue de l'émulation en temps réel." Toulouse, INPT, 2000. http://www.theses.fr/2000INPT051H.
Full textAbstract:
Dans ce travail, l'auteur présente la conception et l'étude de réseaux de neurones destinés à la modélisation de dispositifs électriques. Ces modèles sont conçus en vue d'une future réalisation en temps réel s'intégrant dans des émulateurs d'ensembles convertisseurs statiques / machines électriques / capteurs. La première partie rappelle les principes de base de l'émulation temps réel. L'auteur présente ensuite les techniques du connexionnisme, et plus particulièrement l'utilisation des réseaux de neurones pour la modélisation de processus dynamiques. La réalisation d'un modèle neuronal de la machine à courant continu est la première application de ces techniques. Puis l'auteur décrit la démarche qui a permis de réaliser un modèle neuronal de la machine asynchrone. Cette démarche comporte trois points essentiels : 1) Choix d'une structure de réseau, 2) Identification d'une séquence d'apprentissage représentative du processus, 3) Mise en oeuvre d'une procédure de validation du modèle. Cette partie est conclue par l'étude de la structure d'un réseau apte à reproduire les phénomènes de saturation magnétique de la machine asynchrone. Pour conclure ce mémoire, une méthode originale de modification du pas de calcul des modèles neuronaux à temps discret est présentée. Cette méthode a permis d'obtenir un modèle de machine asynchrone dont le pas de calcul est suffisamment fin pour répondre aux exigences du concept d'émulation.
34
Lenkeu, Lenkeu Nadège Octavie. "Modélisation du transport d'eau et du changement de volume dans les neurones et les astrocytes." Master's thesis, Université Laval, 2017. http://hdl.handle.net/20.500.11794/27914.
Full textAbstract:
La microscopie holographique utilise des techniques d’interférométrie pour mesurer les changements de volume des neurones et des astrocytes avec une précision sans précédent. Un défi important serait de relier les changements de phase mesurés aux changements de volume du neurone et plus encore de relier l’étendue de ces changements de volumes à certaines propriétés des neurones comme le niveau d’activité des cotransporteurs cation-chlorure (CCC) et certaines propriétés biomécaniques des membranes. L’objectif à plus long terme est d’utiliser des changements de phase pour détecter des modifications dans la réponse volumique des neurones à un choc osmotique par exemple, modifications qui pourraient éventuellement permettre de détecter des pathologies. Pour comprendre l’information que l’on peut tirer des mesures expérimentales, il est important de comprendre le lien entre différentes variables : force de la pompe Na⁺ – K⁺ATPase, la perméabilité de la membrane à l’eau, les propriétés biomécaniques de la membrane et les changements de phase observés par l’expérimentateur. Pour y arriver, nous aborderons quelques notions sur les systèmes dynamiques, plus précisément nous utiliserons les Equations Différentielles Ordinaires (E.D.O.) afin d’éffectuer la modélisation mathématique du phénomène illustrant la variation du volume de la membrane cellulaire, ainsi que les variations des quantités de K⁺, Na⁺ et Cl⁻, qui constituent la principale composition ionique des astrocytes, qui sont les cellules étudiées dans ce projet. Dans ce même régistre de rappel mathématique sur les systèmes dynamiques, nous parlerons des bifurcations, pour lesquelles nous décrirons quand et comment est ce qu’elles apparaîssent tout en les illustrant par des exemples, ceci dans l’optique de se préparer à une meilleure compréhension des résultats à venir après l’étude de notre modèle, puisqu’on espère y observer des bifurcations. Nous serons ainsi amenés à étudier profondémént le système d’E.D.O obtenu, notamment la recherche des points d’équilibre et leurs comportements dans l’espace des phases, voir s’il ya lieu des points de bifurcation et leurs interprétations pour la cellule concernée. Le but visé étant d’obtenir des bifurcations, ce qui expliquerait le dysfonctionnement des astrocytes, et expliquerait certainement l’origine de certaines maladies maladies neurodégénératives ; nous verrons finalement après étude du modèle qu’il n’existe pas de bifurcation, néanmoins la simplicité du modèle utilisé ouvre des portes à de futurs projets plus complexes qui permettront peut-être d’atteindre les objectifs visés.The holographic microscopy uses interferometry techniques for measuring changes in volume of neurons with an unprecedented accuracy. A major challenge is to relate the measured phase changes with the neuron volume changes and more to relate the extent of these changes volumes to certain properties of neurons such as the activity level of Cation-Chloride Cotransporter (CCC) and some biomechanical properties membranes. The longer term objective is the use of phase changes for detecting changes in the density response of neurons to an osmotic shock which could possibly allow the detection of many kind of pathologies. To understand the information that can be derived from experimental measurements, it is important to understand the relationship between different variables: force pump Na⁺ – K⁺ ATPase, membrane permeability of water, biomechanical properties of the membranes and the phase changes observed by the experimenter. To achieve this, we need some dynamical system skills, we will use the Ordinary Differential Equations (E.D.O) in order to perform the mathematical modeling of the phenomenon illustrating the variation of the membrane volume, as well as the variations in quantities of K⁺, Na⁺ and Cl⁻, which constitute the main ionic composition of astrocytes, which are the cells studied in this project. In this mathematical recall on dynamical systems, we will talk about the bifurcations for a better understanding of the incoming results since we are expecting bifurcations for our model. We will study deeply the E.D.O. system obtained including the search of equilibrium points and their behavior in the phase space, and we will see if there are bifurcations and what is their meaning. The aim being to obtain bifurcations, which would explain the dysfunction of the astrocytes, and would certainly explain the origin of certain neurodegenerative diseases; we will finally see, after studying the model, that there is no bifurcation, nevertheless the simplicity of the model used opens doors to more complex future projects that will perhaps achieve the desired objectives.
35
Chambet, Nicolas. "Modélisation physique des réseaux de neurones : étude de comportements collectifs : application au traitement de l'information." Angers, 1995. http://www.theses.fr/1995ANGE0014.
Full textAbstract:
Nous considérons les réseaux de neurones en tant que modèles physiques de systèmes naturels de traitement de l'information. Pour avancer dans leur modélisation, nous cherchons à inclure progressivement plus d'éléments physiques des neurones en réseaux, à analyser les propriétés résultantes, et à considérer les conséquences pour le traitement de l'information. Dans le chapitre 1, nous examinons et mettons en cohérence les éléments de base de la modélisation des réseaux de neurones, à différents niveaux de description. Nous nous efforçons aussi d'utiliser des grandeurs physiques munies d'unités et de valeurs réalistes, pour une interprétation qualitative et quantitative des résultats. Puis, nous déduisons de cette démarche un modèle non linéaire de réseau de neurones, qui décrit l'évolution des conductances membranaires gouvernant l'émission des potentiels d'action (PA). Dans le chapitre 2, nous exploitons d'abord ce modèle pour étudier les états d'activité autonomes d'un réseau. Nous montrons que leur apparition peut ici se caractériser comme une transition de phase, qu'ils peuvent se décrire par une théorie de champ moyen, et comment ils peuvent servir à mémoriser de l'information. Nous appliquons ensuite le modèle pour la comparaison des dynamiques neuronales utilisant les PA, avec celles basées directement sur les fréquences de décharge. Nous montrons les limites d'une utilisation de ces dernières à la place des PA. Dans le chapitre 3, nous étudions la résonance stochastique, dans laquelle un bruit devient utile à la transmission de signaux par certains systèmes non linéaires. Nous montrons que c'est une propriété possible pour des neurones naturellement monostables, soumis soit à une stimulation analogique, soit plus généralement à des trains de PA.
36
Verzeaux, Laurie. "Etude de l'interaction du TIMP-1 avec ses récepteurs." Thesis, Reims, 2015. http://www.theses.fr/2015REIMS040/document.
Full textAbstract:
Le TIMP-1, inhibiteur naturel des métalloprotéinases matricielles, exerce des effets pléïotropes indépendants de l'inhibition des MMPs et participe au développement de certains cancers et maladies neurodégénératives. Ces effets cytokiniques du TIMP-1 impliquent sa liaison à des récepteurs membranaires dont certains sont caractérisés, la glycoprotéine CD63/intégrine beta 1 et le complexe pro MMP-9/CD44. Cependant les acides aminés ou les domaines du TIMP-1 se liant à ces récepteurs ne sont pas identifiés. Les travaux réalisés au cours de cette thèse mettent en évidence un nouveau récepteur du TIMP-1, la protéine LRP-1. Dans les neurones corticaux murins, le TIMP-1 se fixe aux domaines DII et DIV de LRP-1, est endocyté et induit une réduction de la taille des neurites ainsi qu'une augmentation du volume des cônes de croissance. Afin de caractériser cette interaction, nous avons utilisé une approche originale de modélisation moléculaire associant les analyses de modes normaux et la dynamique moléculaire. Ces analyses in silico ont permis d'identifier un mouvement de pince entre les domaines N et C-terminaux du TIMP-1. Nous avons muté trois résidus (F12, K47 et W105) localisés dans une région essentielle d'un point vue énergétique à l'exécution de ce mouvement. Ces trois mutants n'ont pas d'effet sur la longueur du réseau neuritique et ne sont pas endocytés par LRP-1. En revanche, ils interagissent avec les 2 autres récepteurs (CD63 et proMMP-9) et reproduisent les effets du TIMP-1 sauvage. De plus, nous avons identifié une séquence de 6 acides aminés localisée dans le domaine extracellulaire I de CD63 et essentielle à la liaison avec le TIMP-1. L'ensemble de ces travaux a permis l'identification de régions impliquées dans l'interaction du TIMP-1 avec ses différents récepteurs et pourrait permettre le développement de nouveaux outils pharmacologiques ciblant les activités cytokiniques du TIMP-1TIMP-1, a natural inhibitor of matrix metalloproteinases, exerts pleiotropic effects independent of MMP inhibition and thus participates to the development of some cancers and neurodegenerative disorders. These cytokine-like activities require TIMP-1 binding to membrane receptors. Up to date two receptors, CD63/integrin beta 1 and proMMP-9/CD44, have been characterized. Nevertheless, TIMP-1 residues or regions binding these receptors remain unknown. In this work, we have identified the protein LRP-1 as a new receptor for TIMP 1. In mouse cortical neurons, TIMP-1 preferentially binds DII and DIV domains of LRP-1, is internalized via a LRP-1-dependent endocytosis, reduces neurite length and increases growth cone volume. To go deeper into TIMP-1/LRP-1 interaction, we used an original molecular modeling approach which combined normal mode analysis and molecular dynamic. These in silico studies allow us to point out a clamp movement between the N- and C-terminal domains of TIMP-1. Three residues localized in a region that seems essential for the movement have been mutated (F12, K47 and W105) and single mutants have been produced. These mutants do not reduce neurite outgrowth and are not internalized by LRP-1. In contrast, they interact with the two others receptors proMMP-9 and CD63 and induce associated biological effects. Furthermore, we have identified a sequence of six residues localized in the CD63 extracellular domain I and essential for TIMP 1 binding. The set of our data highlighted new regions of TIMP-1 interacting with its receptors and could lead to design novel therapeutic agents targeting the TIMP-1 cytokine like activities
37
Saint-Bauzel, Ludovic. "De la modélisation prédictive du comportement pathologique à l'application dans l'intéraction Robot-Patient." Paris 6, 2007. https://tel.archives-ouvertes.fr/tel-00809648.
Full textAbstract:
Le cadre de mon travail de thèse traite du développement de solutions d'assistance robotisée pour l'aide des personnes atteintes de troubles du fonctionnels. La problématique qui est posée ici est l'apport des réseaux de neurones pour la modélisation du mouvement des personnes atteintes par le syndrome cérébelleux. Dans le but d'améliorer la commande d'un robot d'assistance (Monimad), mon travail a consisté à développer des solutions qui permettent de fournir un modèle interne du mouvement d'une personne atteinte par le syndrome cérébelleux. Pour accomplir ce travail, une phase d'enregistrement de données a été mise en place pour des personnes saines et pour des personnes touchées par le syndrome cérébelleux. La modélisation a été déclinée en trois types : Génération de trajectoire : une simulation de mouvement réel a été mise en place avec des réseaux de neurones et comparée avec d'autres méthodes du domaine du controle optimal. Prédiction : une prédiction des mouvements futurs du patient est obtenue avec des réseaux de neurones, cette prédiction présente les propriétés de généralisation et de spécialisation. Son bon fonctionnement est validé sur des mouvements de patients. Observation : un outil de reconstruction basé sur les réseaux de neurones est proposé pour à partir d'une donnée angulaire reconstruire l'état d'une personne dans un mouvement de verticalisation. Enfin toutes ces modélisations sont appliquées à des mouvements de personnes atteintes du syndrôme cérébelleux qui utilisent une interface d'assistance. Ces méthodes de modélisation sont validées sur ce protocole.
38
Sabarly, Loïc. "Le Cervelet comme prédicteur dans le contrôle moteur." Paris 6, 2009. http://www.theses.fr/2009PA066103.
Full textAbstract:
Deux interprétations s’affrontent actuellement quant au rôle du cervelet dans le contrôle moteur. La théorie motrice considère que le cervelet participe directement au contrôle de l’acte moteur. La théorie sensorielle fait, elle, l’hypothèse que le cervelet implémente un prédicteur participant de façon indirecte au contrôle moteur. Un tel prédicteur permet d’anticiper les conséquences sensorielles, dont le retard dû aux délais de transmission et de traitement empêche le contrôle moteur de fonctionner en feedback direct. Par comparaison avec la théorie motrice, la théorie sensorielle apparaît d’avantage fondée sur un ensemble de données expérimentales, incluant la physiologie du cervelet, sa structure et les déficits hérités des lésions. Dans le cadre de cette théorie, nous avons réalisé une étude neurocomputationnelle afin de déterminer si les propriétés architecturales, électrophysiologiques et de plasticité synaptique de la boucle olivo-cérébelleuse (BOC, répétée ~106 dans le cervelet) lui permettent d’implémenter un prédicteur. Au moyen de simulations d’un réseau de neurones modélisant ces propriétés, nous démontrons que la BOC peut apprendre à associer une commande motrice aux retours sensoriels retardés. Ces retours informent sur l’état subséquent du système, grâce à une trace électrique adaptative produite par les cellules de Purkinje (CP). Au terme de cet apprentissage, la double inhibition entre les CP et les neurones inhibiteurs des noyaux cérébelleux profonds (NCP-) et entre NCP- et NCP+ (excitateurs) permet à une commande motrice de produire une réponse phasique dans les NCP+ codant une estimation du nouvel état du système. Ces résultats sont complétés par l’étude d’un modèle biophysique des CP montrant que les plateaux de potentiel dendritiques constituent une implémentation biologiquement réaliste de la trace électrique postulée dans notre réseau neuronal. Ce travail démontre, pour la première fois, que le cervelet peut effectivement implémenter la fonction de prédicteur postulée par la théorie sensorielle.
39
Kong, A. Siou Line. "Modélisation des crues de bassins karstiques par réseaux de neurones. Cas du bassin du Lez (France)." Phd thesis, Université Montpellier II - Sciences et Techniques du Languedoc, 2011. http://tel.archives-ouvertes.fr/tel-00649103.
Full textAbstract:
Les karsts sont l'une des formations aquifères les plus présentes au monde. Exploités, ils fournissent de l'eau potable pour près de 25% de la population mondiale. Cependant la forte hétérogénéité de leur structure implique un comportement non-linéaire particulièrement difficile à simuler et à prévoir. Les réseaux de neurones formels sont des modèles d'apprentissage statistique qui ont été largement utilisés en hydrologie de surface depuis les années 1990, grâce à leurs propriétés de parcimonie et d'approximation universelle. Dans cette thèse, il est proposé d'utiliser les réseaux de neurones pour étudier le comportement des aquifères karstiques. L'aquifère du Lez est choisi pour appliquer le modèle par réseaux de neurones. Cet aquifère, situé près de l'agglomération de Montpellier (400 000 habitants), est exploité pour fournir de l'eau potable à une grande partie de l'agglomération. Dans un premier temps, un réseau de neurones " classique ", de type boîte noire, est appliqué à la simulation et à la prévision des débits de la source du Lez. Une méthode de sélection des entrées de pluie est proposée, couplant analyse par corrélations croisées et méthode de validation croisée. Les résultats montrent l'adéquation du modèle neuronal pour la simulation et la prévision du débit de la source d'un aquifère karstique complexe. Le test du modèle est effectué sur les deux cycles hydrologiques comportant les crues les plus intenses de la base de données. Les hydrogrammes montrent que le modèle neuronal a été capable de correctement prévoir les débits des crues majeures en test, qui sont supérieurs aux débits présents dans la base d'apprentissage du modèle. La prévision est acceptable jusqu'à un horizon de prévision de un jour. Dans un second temps, une méthode d'extraction des données contenues dans la boîte noire est proposée. Afin de contraindre le modèle neuronal à donner des valeurs physiquement interprétables, des connaissances a priori sur la géologie de l'aquifère sont incluses dans l'architecture du réseau de neurones. La méthode KnoX (Knowledge eXtraction) proposée dans cette étude permet d'extraire du modèle les contributions des différentes zones géologiques à la source du Lez ainsi que les temps de réponse correspondants. L'application de la méthode KnoX à un hydrosystème fictif dont on contrôle en particulier les temps de réponse et contributions des différents sous-hydrosystèmes fictifs a permis de valider cette méthode. Les résultats obtenus sur le bassin du Lez sont très satisfaisants et en adéquation avec les connaissances actuelles que l'on a sur ce système. De plus la méthode a permis d'affiner ces connaissances, notamment l'infiltration retardée par des aquifères perchés et les limites du bassin d'alimentation de la source du Lez. Enfin, la méthode KnoX est générique et applicable à tout hydrosystème pour lequel on dispose de mesures de pluie et de débit.
40
Benaouda, Djamel. "Modélisation et simulation d'un réseau de neurones formels : implantation sur machine parallèle "hypercube FPS T-40." Phd thesis, Grenoble 1, 1992. http://tel.archives-ouvertes.fr/tel-00340978.
Full textAbstract:
Cette thèse consiste a modéliser un réseau neuronal situe en aval de la cochlee, qui constitue les premières couches de traitement des signaux de la parole issus du système auditif périphérique. Le cadre général du travail présente concerne la modélisation mathématique du réseau de neurones en question, la description de la machine massivement parallèle hypercube FPS T-40 utilisée comme outil de nos simulations, l'implantation du modèle neuronal sur cette machine parallèle et enfin les réalisations et interprétations de résultats de simulation. Ces travaux sont présentés en quatre chapitres comme suit: le premier chapitre s'inscrit dans le cadre général des réseaux de neurones, en commençant par les premiers modèles fondes sur des réseaux dits d'automates a seuil conçus par W. S. Mcculloch et W. Pitts des 1943, des réseaux d'automates cellulaires conçus par J. Von Neumann des 1948, etc... Le deuxième chapitre introduit la mesure de Gibbs, champs aléatoires et modèles de réseaux (déterministes et stochastiques). Puis, il présente l'étude du probleme d'ergodicité des réseaux de neurones probabilistes. Le troisième chapitre concerne l'environnement technique ou nos simulations de réseaux de neurones ont été effectuées. Il consiste en une description générale du principe du parallélisme et en une présentation détaillée de la machine massivement parallèle hypercube FPS T-40. Enfin, le quatrième chapitre comprend l'implantation de l'algorithme du réseau de neurones sur la machine massivement parallèle hypercube FPS T-40, l'expérimentation numérique et l'interprétation des résultats numériques. Ensuite, on a représente graphiquement ces résultats, a l'aide de mesures statistiques adéquates résumant le comportement dynamique du réseau, sur station de travail vinix (ordinateur spécialisé dans le traitement d'images)
41
Idoux, Erwin. "Propriétés électrophysiologiques intrinsèques et modélisation des neurones responsables de l'intégration mathématique dans le noyau prepositus hypoglossi." Paris 6, 2007. http://www.theses.fr/2007PA066030.
Full textAbstract:
Cette thèse concerne les mécanismes neuronaux impliqués dans l’intégration mathématique d’un signal de vitesse en signal de position. Dans le cadre du contrôle des mouvements horizontaux de l’œil, cette intégration est réalisée par les neurones du noyau prepositus hypoglossi (nNPH). Les nNPH ont été classés, selon leur profil électrophysiologique, en 3 types (A, B et D) et modélisés. Contrairement aux neurones de type A et B présents aussi dans les noyaux vestibulaires médian et latéral, les neurones de type D sont spécifiques du NPH et leur potentiel de membrane présente des oscillations. De plus, la conductance sodique persistante est cruciale pour l’électrophysiologie de tous les nNPH, quoique son impact et sa localisation diffèrent selon les types cellulaires. Enfin, les propriétés intrinsèques des neurones du NPH et des noyaux vestibulaires ont été comparées afin de comprendre le lien entre les fonctions de ces noyaux et les propriétés intrinsèques spécifiques de leurs neuronesThe rationale behind this thesis is the understanding of the neural mechanisms involved in the mathematical integration of a velocity signal into a position signal. For eye movements in the horizontal plane, neurons of the prepositus hypoglossi nucleus (PHNn) are responsible for this integration. Here, PHNn have been classified in 3 types (A, B and D) according to their electrophysiological profile and then modeled. Unlike type A and B neurons, which are also found in the medial and lateral vestibular nuclei, type D neurons are specific to the NPH and their membrane potential shows subthreshold oscillations. Besides, persistent sodium conductance is crucial to the electrophysiology of the PHNn, however its impact and location are type-dependant. The intrinsic properties of neurons of the PHN and the vestibular nuclei have been compared to understand the link between the functions of these nuclei and the specific intrinsic properties of their respective neurons
42
Grondin-Perez, Brigitte. "Les réseaux de neurones pour la modélisation et la conduite des réacteurs chimiques : simulations et expérimentations." Bordeaux 1, 1994. http://www.theses.fr/1994BOR10616.
Full textAbstract:
Le developpement de strategies de conduite de fabrication en temps reel par ordinateur vise, d'une part a ameliorer la productivite, et d'autre part a obtenir des produits d'une meilleure qualite. Jusqu'ici, la majorite des realisations concerne la mise en uvre de techniques de commande lineaire predictive et adaptative. Le caractere adaptatif permet de pallier l'approximation de linearite du modele employe. Une alternative est d'utiliser des reseaux de neurones comme approximateur pour developper une conduite performante. Une analyse des architectures non bouclee a ete realisee avec comme critere celui d'une modelisation dynamique de reacteurs chimiques. Les reseaux emploient deux types de non-linearites qui sont les fonctions sigmoide et radiale de base. La recherche de modele n'ayant pour objectif que leur utilisation dans la conduite des procedes de fabrication, une approche predictive a modele neuronal a ete testee. Elle concerne trois procedes ; les deux premiers sont continus simules, le dernier est un reacteur pilote discontinu. Dans tous les cas, les performances du protocole a modele neuronal se sont revelees toujours superieures ou egales a celle obtenues par des methodes lineaires
43
Harkouss, Youssef. "Application de réseaux de neurones à la modélisation de composants et de dispositifs microondes non linéaires." Limoges, 1998. http://www.theses.fr/1998LIMO0040.
Full textAbstract:
Le developpement d'une nouvelle approche de la modelisation de composants et de dispositifs microondes non lineaires basee sur une representation par reseau neuronal constitue le theme essentiel de cette these. L'objectif de ce travail consiste d'une part a creer un outil efficace et rapide pour construire des modeles neuronaux performants et d'autre part a montrer a travers des applications pratiques la performance et la precision d'une telle representation comportementale. Nous avons envisage deux types de modeles neuronaux. Le premier est base sur un perceptron multicouche mlp entraine par la retro-propagation du gradient gbp. La structure multicouche du mlp et la nature aleatoire de la technique d'initialisation de ce mlp font que l'ensemble de processus de construction de ce type de modele s'avere couteux en temps. Le second modele repose sur un reseau d'ondelettes wnn initialise par la methode de selection de regresseurs et entraine par la methode quasi-newtonienne bfgs (broyden-fletcher-goldfarb-shanno). La combinaison de la methode de selection de regresseurs avec bfgs represente un outil efficace et rapide pour construire des modeles neuronaux performants. L'approche neuronale basee soit sur un mlp, soit sur un reseau d'ondelettes wnn, offre de bon resultats en terme de precision, d'efficacite et de fiabilite du modele.
44
Forgez, Christophe. "Méthodologie de modélisation et de commande par réseaux de neurones pour des dispositifs électrotechniques non linéaires." Lille 1, 1998. https://pepite-depot.univ-lille.fr/LIBRE/Th_Num/1998/50376-1998-309.pdf.
Full textAbstract:
Le domaine de l'electrotechnique recele differents types de phenomenes non lineaires de par la construction et la constitution des machines ou leurs alimentations. Bon nombre de methodes capables de les traiter existent, mais souffrent de ne pas apporter de solutions universelles tant en modelisation qu'en commande les travaux rassembles dans ce memoire proposent un formalisme de modelisation et de commande de systemes electrotechniques en utilisant les reseaux artificiels de neurones. Nous nous sommes efforces d'appliquer les proprietes d'apprentissage des reseaux neuronaux a differents phenomenes rencontres en genie electrique, notamment en electromecanique et electromagnetisme, tout en evoquant leurs avantages et leurs limites. L'apprentissage permet de modeliser des caracteristiques lineaires, non lineaires ou discontinues, a partir d'echantillons de celles-ci, en utilisant des methodes d'optimisation non lineaires dont la plupart souffrent d'un cout exorbitant en temps de calculs. Pour pallier cet inconvenient majeur nous avons propose une methode dite d'initialisation basee sur une regression non lineaire. Celle ci permet entre autre d'optimiser la structure mathematique du reseau neuronal en fonction de la caracteristique a apprendre ce qui permet de reduire considerablement les temps d'apprentissage et d'augmenter la qualite de modelisation. Cette technique demontree et formalisee a ete mise en pratique sur differentes applications. Nous l'avons tout d'abord testee sur la modelisation d'inductances saturables ce qui a permis de soulever les problemes lies au cout et a la qualite des modeles. Au vue des bonnes performances, nous l'avons appliquee sur la modelisation de cycles majeurs d'hysteresis, puis sur des couples de charges mecaniques.
45
Kong, A. SIou Line. "Modélisation des crues de bassins karstiques par réseaux de neurones. Cas du bassin du Lez (Hérault)." Thesis, Montpellier 2, 2011. http://www.theses.fr/2011MON20070/document.
Full textAbstract:
Les karsts sont l'une des formations aquifères les plus présentes au monde. Exploités, ils fournissent de l'eau potable pour près de 25% de la population mondiale. Cependant la forte hétérogénéité de leur structure implique un comportement non-linéaire et les rendent particulièrement difficiles à étudier, à simuler et à prévoir. Les réseaux de neurones formels sont des modèles d'apprentissage statistiques qui ont été largement utilisés en hydrologie de surface depuis les années 1990, grâce à leurs propriétés de parcimonie et d'approximation universelle.Dans cette thèse, il est proposé d'utiliser les réseaux de neurones pour étudier le comportement des aquifères karstiques. L'aquifère du Lez est choisi pour appliquer le modèle par réseaux de neurones. Cet aquifère, situé près de l'agglomération de Montpellier (400 000 habitant), est exploité pour fournir de l'eau potable à une grande partie de l'agglomération.Dans un premier temps, un réseau de neurones « classique », de type boîte noire, est appliqué à la simulation et à la prévision des débits de la source du Lez. Une méthode de sélection des entrées de pluie est proposée, couplant analyse par corrélations croisées et méthode de validation croisée. Les résultats montrent l'adéquation du modèle neuronal pour la simulation et la prévision du débit de la source d'un aquifère karstique complexe. Le test du modèle est effectué sur les deux cycles hydrologiques comportant les crues les plus intenses de la base de données. Les hydrogrammes montrent que le modèle neuronal a été capable d'extrapoler puisque les débits prévus pour les crues majeures en test sont corrects et supérieurs aux débits présents dans la base d'apprentissage du modèle. La prévision est acceptable jusqu'à un horizon de prévision de un jour. Dans un second temps, une méthode d'extraction des données contenues dans la boîte noire est proposée. Afin de contraindre le modèle neuronal à donner des valeurs physiquement interprétables, des connaissances a priori sur la géologie de l'aquifère sont incluses dans l'architecture du réseau de neurones. La méthode KnoX (Knowledge eXtraction) proposée dans cette étude permet d'extraire du modèle les contributions des différentes zones géologiques à la source du lez ainsi que les temps de réponse correspondants. L'application de la méthode KnoX a un hydrosystème fictif dont on contrôle en particulier les temps de réponse et les contributions des différents sous-hydrosystèmes fictifs a permis de valider cette méthode. Les résultats obtenus sur le bassin du Lez sont très satisfaisants et en adéquation avec les connaissances actuelles que l'on a sur ce système. De plus la méthode a permis d'affiner ces connaissances, notamment l'infiltration retardée par des aquifères perchés et concernant la limite du bassin d'alimentation de la source du Lez. Enfin, la méthode KnoX est générique et applicable à tout hydrosystème pour lequel on dispose de mesures de pluie et de débitKarst is one of the most widespread aquifer formations in the worlds. Their exploitation provides fresh water to practically 25% of the global population. The high level of structure heterogeneity in these aquifers however makes them complex and their behavior is difficult to study, simulate and forecast.Artificial neural networks are machine learning models widely used in surface hydrology since the 90's thanks to their properties of parsimony and universal approximation.In this thesis, artificial neural networks are used to study karst aquifer behavior. Application is done in the Lez. This aquifer situated near Montpellier conurbation (400 000 inhabitants) provides fresh water for a large part of this population.First, a “classical” black box neural network is applied to simulate and forecast Lez spring discharge. A rainfall input selection method is proposed, using cross correlation analysis and cross validation method at the same time. Results show neural model efficiency in order to simulate and forecast the spring discharge of a complex karstic aquifer. The model was tested using two hydrologic cycles including the two most intense floods of the database. Hydrographs shows that neural model was able to extrapolate the maximum flood discharge of the learning database. Forecasting is satisfactory until a one-day horizon.In a second time, extraction of the knowledge data included in the black box is proposed. In order to constrain the model to give physically plausible solution, a priori knowledge about aquifer geology is included into the network architecture. KnoX (Knowledge eXtraction) method proposed in this study aims at extract geological zone contributions to the Lez spring and corresponding response times. The KnoX methodology was applied to a fictitious hydrosystem built using a model with controlled parameters, in particular contributions of subbasin to the outlet and lag time of each subbasin. This application permitted to validate the KnoX methodology. Results obtained on the Lez basin are satisfactory and agree with current knowledge about this hydrosystem. In addition, the KnoX methodology allows to refine this knowledge, in particular concerning delayed infiltration because of infiltration in perched aquifer and concerning Lez spring alimentation basin boundaries. Lastly the KnoX methodology is a generic methodology that can be applied on any basin with available discharge and rainfall data
46
Hugget, Alain. "Réseaux de neurones et algorithmes génétiques : application à la modélisation et à l'optimisation de séchoirs industriels." Bordeaux 1, 1998. http://www.theses.fr/1998BOR11858.
Full textAbstract:
L'optimisation de sechoirs necessite deux types d'outils pour, dans un premier temps, representer efficacement le comportement du systeme et, par la suite, optimiser simultanement sa structure, ses dimensions et ses parametres de fonctionnement. Dans cette these, une nouvelle approche globale d'optimisation est developpee. Les reseaux de neurones artificiels y sont utilises pour representer efficacement les phenomenes physiques apparaissant lors du sechage et les algorithmes genetiques permettent d'optimiser differents problemes. L'approche est validee sur deux exemples de sechoirs industriels convectifs. Les applications developpees dans cette these sortent du champ de competences classique des reseaux de neurones en permettant la representation des resultats fournis par un modele de sechage mathematique. Pour une meme precision, les rn offrent ainsi la possibilite de diminuer les temps de simulations dans des rapports variant de 100 a 1000 par rapport a des approches plus classiques (differences finies, methode pre-integree). Par ailleurs, il devient possible de controler le niveau de connaissances sur le processus ou sur le produit a traiter pendant la constitution de la representation neuronale. Enfin, l'application simultanee de la representation neuronale et de la recherche par algorithme genetique nous a permis de mener une approche d'optimisation globale multi-criteres sur des installations de sechage. L'application finale utilise les capacites de chacun de ces outils afin de determiner les parametres de conception et de conduite des benefice). Cette approche permet aussi d'aboutir a des solutions technologiques adaptees aux contraintes imposees par l'environement industriel. De plus, la globalite du probleme traite nous permet de nous affranchir de la demarche lineaire et reductrice generalement utilisee pendant la phase de conception d'un systeme : les solutions obtenus sont par ce fait plus riche et plu representatives. Les outils et la demarche developpes dans ce travail se tournent resolement vers une approche de c. A. O. (conception assistee par ordinateur) utilisable pour etudier de nombreux systemes industriels complexes.
47
Hugget, Alain. "Réseaux de neurones et algorithmes génétiques : application à la modélisation et à l'optimisation de séchoirs industriels." Bordeaux 1, 1998. http://www.theses.fr/1998BOR10679.
Full textAbstract:
L'optimisation de sechoirs necessite deux types d'outils pour, dans un premier temps, representer efficacement le comportement du systeme et, par la suite, optimiser simultanement sa structure, ses dimensions et ses parametres de fonctionnement. Dans cette these, une nouvelle approche globale d'optimisation est developpee. Les reseaux de neurones artificiels y sont utilises pour representer efficacement les phenomenes physiques apparaissant lors du sechage et les algorithmes genetiques permettent d'optimiser differents problemes. L'approche est validee sur deux exemples de sechoirs industriels convectifs. Les applications developpees dans cette these sortent du champ de competences classique des reseaux de neurones en permettant la representation des resultats fournis par un modele de sechage mathematique. Pour une meme precision, les rn offrent ainsi la possibilite de diminuer les temps de simulations dans des rapports variant de 100 a 1000 par rapport a des approches plus classiques (differences finies, methode pre-integree). Par ailleurs, il devient possible de controler le niveau de connaissances sur le processus ou sur le produit a traiter pendant la constitution de la representation neuronale. Enfin, l'application simultanee de la representation neuronale et de la recherche par algorithme genetique nous a permis de mener une approche d'optimisation globale multi-criteres sur des installations de sechage. L'application finale utilise les capacites de chacun de ces outils afin de determiner les parametres de conception et de conduite des benefice). Cette approche permet aussi d'aboutir a des solutions technologiques adaptees aux contraintes imposees par l'environement industriel. De plus, la globalite du probleme traite nous permet de nous affranchir de la demarche lineaire et reductrice generalement utilisee pendant la phase de conception d'un systeme : les solutions obtenus sont par ce fait plus riche et plu representatives. Les outils et la demarche developpes dans ce travail se tournent resolement vers une approche de c. A. O. (conception assistee par ordinateur) utilisable pour etudier de nombreux systemes industriels complexes.
48
Chervier, Frédéric. "Modélisation des variations basse fréquence des émissions de COVB à l'aide d'un réseau de neurones artificiels." Paris 7, 2005. http://www.theses.fr/2005PA077179.
Full text
49
Taouali, Wahiba, and Wahiba Taouali. "Modélisation de populations neuronales pour l'intégration visuo-motrice : Dynamiques et décisions." Phd thesis, Université de LORRAINE, 2012. http://tel.archives-ouvertes.fr/tel-00749924.
Full textAbstract:
Dans le contexte de l'énaction et dans une approche globale de la perception, nous nous sommes intéressés à étudier calcul neuronal permettant de comprendre les relations entre les structures dans le cerveau et leurs fonctions. Nous avons d'abord examiné les problèmes calculatoires liés à la discrétisation des équations différentielles qui régissent les systèmes étudiés et aux schémas d'évaluation synchrones et asynchrones. Nous nous sommes, ensuite, intéressés à un niveau fonctionnel élémentaire: la transformation de représentations sensorielles spatiales en actes moteurs temporels dans le cadre du système visuo-moteur. Nous avons proposé un modèle minimaliste d'encodage automatique des cibles visuelles de saccades qui se concentre sur le le flux visuel de la rétine vers le colliculus supérieur. Ce modèle, basé sur sur des règles locales simples au sein d'une population homogène, permet de reproduire et d'expliquer plusieurs résultats d'expériences biologiques ce qui en fait un modèle de base efficace et robuste. Enfin, nous avons abordé un niveau fonctionnel plus global en proposant un modèle de la boucle motrice des ganglions de la base permettant d'intégrer des flux sensoriels, moteurs et motivationnels en vue d'une décision globale reposant sur des évaluations locales. Ce modèle met en exergue un processus adaptatif de sélection de l'action et d'encodage de contexte via des mécanismes originaux lui permettant en particulier de constituer la brique de base pour les autres boucles cortico-basales. Les deux modèles présentent des dynamiques intéressantes à étudier que ce soit d'un point de vue biologique ou d'un point de vue informatique computationnel.
50
Benoît-Marand, François. "Modélisation et identification des systèmes non linéaires par réseaux de neurones à temps continu : application à la modélisation des interfaces de diffusion non linéaires." Poitiers, 2007. http://www.theses.fr/2007POIT2274.
Full textAbstract:
Ce mémoire présente un nouveau modèle pour l'identification des systèmes non linéaires : les réseaux de neurones à temps continu (RNTC). Ces structures emploient des réseaux de neurones formels pour approcher les lois non linéaires qui gouvernent le système mais, contrairement aux modèles neuronaux présentés dans la littérature, notre modèle traite le problème à temps continu. De ce fait, nous montrons alors, au travers de différentes applications, que le modèle permet d'identifier correctement des processus non linéaires variés. De plus, partant du réseau de neurone identifié, il est possible, dans une certaine mesure, de revenir aux valeurs caractéristiques du système en utilisant une étape de réduction de modèle. Enfin, nous indiquons comment adapter le modèle des réseaux de neurones à temps continu au cas des systèmes non entiers et considérons le problème de l'identification des interfaces de diffusion non linéaires. En introduisant un nouvel opérateur d'intégration fractionnaire, et en l'intégrant au modèle par réseau de neurones à temps continu, nous montrons comment approcher le comportement temporel de ces systèmes bien particuliersThis thesis presents a new model for the identification of nonlinear systems : continuous time neural networks (RNTC). These structures employ networks of formal neurons to approach the nonlinear laws that control the system but, contrary to the neural networks models presented in the literature, our model deals the problem in continuous time. Whatever, through various applications, we show that the model allows us to identify various nonlinear processes with a high accuracy. Moreover, in using a model reduction stage, it is possible to revert, from the neural network model, to the characteristic values of the system. Finally, we indicate how to adapt the continuous time neural network model to the case of fractionnal systems and we consider the problem of identification of diffusive nonlinear interfaces. By introducing a new operator of fractional integration, and by integrating it into the continuous time neural network model, we show how to approach the temporal behavior of these particular systems