Journal articles: 'Réseaux de neurones oscillants'

1

-BORNE, Pierre. "Les réseaux de neurones." Revue de l'Electricité et de l'Electronique -, no. 08 (2006): 31. http://dx.doi.org/10.3845/ree.2006.074.

Full text

APA, Harvard, Vancouver, ISO, and other styles

2

-BORNE, Pierre. "Les réseaux de neurones." Revue de l'Electricité et de l'Electronique -, no. 08 (2006): 37. http://dx.doi.org/10.3845/ree.2006.075.

Full text

APA, Harvard, Vancouver, ISO, and other styles

3

-Y. HAGGEGE, Joseph. "Les réseaux de neurones." Revue de l'Electricité et de l'Electronique -, no. 08 (2006): 43. http://dx.doi.org/10.3845/ree.2006.076.

Full text

APA, Harvard, Vancouver, ISO, and other styles

4

-BENREJEB, Mohamed. "Les réseaux de neurones." Revue de l'Electricité et de l'Electronique -, no. 08 (2006): 47. http://dx.doi.org/10.3845/ree.2006.077.

Full text

APA, Harvard, Vancouver, ISO, and other styles

5

-Y. HAGGEGE, Joseph. "Les réseaux de neurones." Revue de l'Electricité et de l'Electronique -, no. 08 (2006): 50. http://dx.doi.org/10.3845/ree.2006.078.

Full text

APA, Harvard, Vancouver, ISO, and other styles

6

-BENREJEB, Mohamed. "Les réseaux de neurones." Revue de l'Electricité et de l'Electronique -, no. 08 (2006): 55. http://dx.doi.org/10.3845/ree.2006.079.

Full text

APA, Harvard, Vancouver, ISO, and other styles

7

Bélanger, M., N. El-Jabi, D. Caissie, F. Ashkar, and J. M. Ribi. "Estimation de la température de l'eau de rivière en utilisant les réseaux de neurones et la régression linéaire multiple." Revue des sciences de l'eau 18, no. 3 (April 12, 2005): 403–21. http://dx.doi.org/10.7202/705565ar.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

La température de l'eau en rivière est un paramètre ayant une importance majeure pour la vie aquatique. Les séries temporelles décrivant ce paramètre thermique existent, mais elles sont moins nombreuses et souvent courtes, ou comptent parfois des valeurs manquantes. Cette étude présente la modélisation de la température de l'eau en utilisant des réseaux de neurones et la régression linéaire multiple pour relier la température de l'eau à celle de l'air et le débit du ruisseau Catamaran, situé au Nouveau-Brunswick, Canada. Une recherche multidisciplinaire à long terme se déroule présentement sur ce site. Les données utilisées sont de 1991 à 2000 et comprennent la température de l'air de la journée en cours, de la veille et de l'avant-veille, le débit ainsi que le temps transformé en série trigonométrique. Les données de 1991 à 1995 ont été utilisées pour l'entraînement ou la calibration du modèle tandis que les données de 1996 à 2000 ont été utilisées pour la validation du modèle. Les coefficients de détermination obtenus pour l'entraînement sont de 94,2 % pour les réseaux de neurones et de 92,6 % pour la régression linéaire multiple, ce qui donne un écart-type des erreurs de 1,01 C pour les réseaux de neurones et de 1,05 C pour la régression linéaire multiple. Pour la validation, les coefficients de détermination sont de 92,2 % pour les réseaux de neurones et de 91,6 % pour la régression linéaire multiple, ce qui se traduit en un écart-type des erreurs de 1,10 C pour les réseaux de neurones et de 1,25 C pour la régression linéaire multiple. Durant la période d'étude (1991-2000), le biais a été calculé à +0,11 C pour le modèle de réseaux de neurones et à -0,26 °C pour le modèle de régression. Ces résultats permettent de conclure qu'il est possible de prévoir la température de l'eau de petits cours d'eau en utilisant la température de l'air et le débit, aussi bien avec les réseaux de neurones qu'avec la régression linéaire multiple. Les réseaux de neurones semblent donner un ajustement aux données légèrement meilleur que celui offert par la régression linéaire multiple, toutefois ces deux approches de modélisation démontrent une bonne performance pour la prédiction de la température de l'eau en rivière.

8

Mézard, Marc, and Jean-Pierre Nadal. "Réseaux de neurones et physique statistique." Intellectica. Revue de l'Association pour la Recherche Cognitive 9, no. 1 (1990): 213–45. http://dx.doi.org/10.3406/intel.1990.884.

Full text

APA, Harvard, Vancouver, ISO, and other styles

9

Laks, Bernard. "Réseaux de neurones et syllabation du français." Linx 34, no. 1 (1996): 327–46. http://dx.doi.org/10.3406/linx.1996.1440.

Full text

APA, Harvard, Vancouver, ISO, and other styles

10

Jelassi, Khaled, Najiba Bellaaj-Merabet, and Bruno Dagues. "Estimation du flux par réseaux de neurones." Revue internationale de génie électrique 7, no. 1-2 (April 30, 2004): 105–31. http://dx.doi.org/10.3166/rige.7.105-131.

Full text

APA, Harvard, Vancouver, ISO, and other styles

11

Robert, C., A. Limoge, P. Karasinski, and J. F. Gaudy. "Réseaux de neurones et électroencéphalogramme : fructueuse association." ITBM-RBM 23, no. 2 (April 2002): 93–101. http://dx.doi.org/10.1016/s1297-9562(02)80021-3.

Full text

APA, Harvard, Vancouver, ISO, and other styles

12

Cohard, Philippe. "Big data analytics : réseaux de neurones et mapreduce." Management des technologies organisationnelles (MTO) N° 9, no. 2 (June 1, 2019): 149–64. http://dx.doi.org/10.3917/mto.009.0149.

Full text

APA, Harvard, Vancouver, ISO, and other styles

13

Fénelon, VS, Y. Le Feuvre, and P. Meyrand. "Neuromodulation et ontogenèse des réseaux de neurones moteurs." médecine/sciences 16, no. 6-7 (2000): 839. http://dx.doi.org/10.4267/10608/1742.

Full text

APA, Harvard, Vancouver, ISO, and other styles

14

Soumireu-Mourat, Bernard. "Réseaux de Neurones et mémoire : rôle de l’hippocampe." Journal de la Société de Biologie 195, no. 4 (2001): 351–54. http://dx.doi.org/10.1051/jbio/2001195040351.

Full text

APA, Harvard, Vancouver, ISO, and other styles

15

Lavergne, Jean, Olivier Lavergne, and Fernand Kimmel. "Les réseaux de neurones dans la décision orthodontique." Revue d'Orthopédie Dento-Faciale 29, no. 4 (December 1995): 545–56. http://dx.doi.org/10.1051/odf/1995029.

Full text

APA, Harvard, Vancouver, ISO, and other styles

16

Palluat, Nicolas, Daniel Racoceanu, and Noureddine Zerhouni. "Utilisation des réseaux de neurones temporels pour le pronostic et la surveillance dynamique. Etude comparative de trois réseaux de neurones récurrents." Revue d'intelligence artificielle 19, no. 6 (December 1, 2005): 913–50. http://dx.doi.org/10.3166/ria.19.913-950.

Full text

APA, Harvard, Vancouver, ISO, and other styles

17

Achour, Naoura, Redouane Toumi, and Nacer M'sirdi. "Construction de cartes d'environnements par des réseaux de neurones." Journal Européen des Systèmes Automatisés 37, no. 4 (April 30, 2003): 527–49. http://dx.doi.org/10.3166/jesa.37.527-549.

Full text

APA, Harvard, Vancouver, ISO, and other styles

18

Lavergne, Jean, and Jos Dibbets. "Les réseaux de neurones et l'étude de l'architecture faciale." Revue d'Orthopédie Dento-Faciale 30, no. 3 (September 1996): 369–79. http://dx.doi.org/10.1051/odf/1996029.

Full text

APA, Harvard, Vancouver, ISO, and other styles

19

-GLORENNEC, Pierre-Yves. "Réseaux de neurones et logique floue pour la transitique." Revue de l'Electricité et de l'Electronique -, no. 06 (1995): 26. http://dx.doi.org/10.3845/ree.1995.062.

Full text

APA, Harvard, Vancouver, ISO, and other styles

20

Dechemi, N., T. Benkaci, and A. Issolah. "Modélisation des débits mensuels par les modèles conceptuels et les systèmes neuro-flous." Revue des sciences de l'eau 16, no. 4 (April 12, 2005): 407–24. http://dx.doi.org/10.7202/705515ar.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

La modélisation pluie-débit au pas de temps mensuel, a été étudiée par le biais de quatre modèles qui appartiennent à deux catégories, les modèles conceptuels (modèles à réservoirs), et les modèles basés sur les réseaux de neurones, et la logique floue Les modèles conceptuels mensuels utilisés sont les modèles de Thornthwaite et Arnell et le modèle GR2M, ainsi que deux modèles représentés par les réseaux de neurones à apprentissage supervisé et le modèle neuro-flou qui combine une méthode d'optimisation neuronale et une logique floue. Une application de ces modèles a été effectuée sur le bassin de la Cheffia (Nord-Est Algérien), et a confirmé les performances du modèle basé sur la logique floue. Par sa robustesse et son pouvoir d'extrapolation non-linéaire, ce modèle a donné d'excellents résultats, et représente donc une nouvelle approche de la modélisation pluie-débit au pas de temps mensuel.

21

Dussart, Christian. "La technologie des réseaux neurones au coeur du marketing interactif." Décisions Marketing 7 (January 1, 1996): 93–95. http://dx.doi.org/10.7193/dm.007.93.95.

Full text

APA, Harvard, Vancouver, ISO, and other styles

22

Roblin, E., P. Cournède, and S. Michiels. "Prédiction de survie avec réseaux de neurones et mesures d'incertitude." Revue d'Épidémiologie et de Santé Publique 70 (May 2022): S84—S85. http://dx.doi.org/10.1016/j.respe.2022.03.116.

Full text

APA, Harvard, Vancouver, ISO, and other styles

23

Nargeot, Romuald, Guillaume Radecki, Ileana O. Jelescu, Denis Le Bihan, and Luisa Ciobanu. "L’imagerie fonctionnelle des neurones individuels au sein de réseaux complexes." médecine/sciences 31, no. 1 (January 2015): 15–17. http://dx.doi.org/10.1051/medsci/20153101004.

Full text

APA, Harvard, Vancouver, ISO, and other styles

24

Hugget, Alain, and Patrick Sébastian. "Modélisation de séchoirs à tapis. Utilisation des réseaux de neurones." Revue Générale de Thermique 35, no. 417 (October 1996): 599–614. http://dx.doi.org/10.1016/s0035-3159(96)80023-7.

Full text

APA, Harvard, Vancouver, ISO, and other styles

25

KOSTEK, B. "Application des réseaux de neurones pour l'analyse de l'articulation musicale." Le Journal de Physique IV 04, no. C5 (May 1994): C5–597—C5–600. http://dx.doi.org/10.1051/jp4:19945127.

Full text

APA, Harvard, Vancouver, ISO, and other styles

26

Coulibaly, Paulin, François Anctil, and Bernard Bobée. "Prévision hydrologique par réseaux de neurones artificiels : état de l'art." Canadian Journal of Civil Engineering 26, no. 3 (June 1, 1999): 293–304. http://dx.doi.org/10.1139/l98-069.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

Artificial neural networks (ANN) are a novel approximation method for complex systems especially useful when the well-known statistical methods are not efficient. The multilayer perceptrons have been mainly used for hydrological forecasting over the last years. However, the connectionist theory and language are not much known to the hydrologist communauty. This paper aims to make up this gap. The ANN architectures and learning rules are presented to allow the best choice of their application. Stochastic methods and the neural network approach are compared in terms of methodology steps in the context of hydrological forecasting. Recent applications in hydrology are documented and discussed in the conclusion.Key words: artificial neural networks, hydrological forecasting, stochastic models, multilayer perceptrons.

27

Dussart, Christian. "La technologie des réseaux neurones au cœur du marketing interactif." Décisions Marketing N° 7, no. 1 (January 1, 1996): 93–95. http://dx.doi.org/10.3917/dm.07.0093.

Full text

APA, Harvard, Vancouver, ISO, and other styles

28

Benbouhenni, Habib. "Commande DTC cinq niveaux à 24 secteurs basée sur les réseaux de neurones de la MAS de forte puissance." Journal of Renewable Energies 21, no. 3 (September 30, 2018): 373–84. http://dx.doi.org/10.54966/jreen.v21i3.696.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

Dans cet article, nous présentons une commande de type contrôle direct du couple (DTC) basée sur les réseaux de neurones de la machine asynchrone de forte puissance (1 MW) alimentée par onduleur NPC de tension à cinq niveaux (DTC-5N). La commande DTC classique présente plusieurs inconvénients, tels que l’obtention d’une fréquence de commutation variable, les ondulations du couple et du flux, les fluctuations des puissances et les harmoniques des courants dans le régime transitoire et permanent, à cause de l’utilisation des comparateurs à hystérésis et les tableaux de commutation. Pour cela, nous avons proposé d’étudier dans cet article la commande directe du couple à cinq niveaux (DTC-5N) basée sur les réseaux de neurones artificiels (DTC-RNA-5N), pour améliorer les performances de la commandes DTC cinq niveaux, où la table de commutation sont remplacés par un contrôleur neuronal, afin de bien conduire les grandeurs de sortie de la MAS vers leurs valeurs de référence durant une période de temps fixe. Des simulations numériques sont présentées pour comparer les performances des méthodes proposées (DTC-RNA-5N).

29

LOTFI, Siham, and Hicham MESK. "Prévision de Défaillance Des entreprises : Apport des Réseaux de Neurones Artificiels." International Journal of Financial Accountability, Economics, Management, and Auditing (IJFAEMA) 3, no. 3 (June 1, 2021): 70–79. http://dx.doi.org/10.52502/ijfaema.v3i3.53.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

Le principal problème auquel font face les banques lors de la décision de l’octroi de crédit est leur incapacité à déterminer avec certitude si le client va honorer ou non ses engagements. Depuis toujours, cette décision de l’octroi du crédit repose sur l’évaluation préalable de l’agent de crédit. En effet, une détection précoce des difficultés de l’entreprise se fait à l’aide des outils de prévision du risque de défaillance qui s’appuient tous sur l’analyse du passé pour prédire l’avenir de l’entreprise. Cette analyse repose essentiellement sur l’exploitation des états de synthèse de l’entreprise qui restent une source d’informations incontournable pour la détection des difficultés des entreprises. Parmi ces méthodes de prévision, on trouve les réseaux de neurones artificiels. Cette technique est utilisée dans de nombreuses disciplines notamment la médecine, le marketing, la finance et constitue une alternative intéressante aux techniques statistiques traditionnelles pour le traitement des données comme (la régression logistique, analyse discriminante, etc..).

30

Yagoub, Mustapha C. E. "Optimisation des performances de modules multipuces Modélisation par réseaux de neurones." Annales des Télécommunications 59, no. 9-10 (September 2004): 1092–117. http://dx.doi.org/10.1007/bf03179712.

Full text

APA, Harvard, Vancouver, ISO, and other styles

31

Nohair, Mohamed, André St-Hilaire, and Taha B. Ouarda. "Utilisation des réseaux de neurones et de la régularisation bayésienne en modélisation de la température de l’eau en rivière." Revue des sciences de l'eau 21, no. 3 (October 2, 2008): 373–82. http://dx.doi.org/10.7202/018783ar.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

Résumé Dans ce travail, nous avons élaboré un modèle de prédiction des variations de la température d’un cours d’eau en fonction de variables climatiques, telles que la température de l’air ambiant, le débit d’eau et la quantité de précipitation reçue par le cours d’eau. Les réseaux de neurones statiques ont été utilisés pour approximer la relation entre ces différentes variables avec une erreur moyenne de 0,7 °C. Par ailleurs, nous proposons un modèle de prédiction de l’évolution de la température de l’eau à court et moyen termes pour les jours (j + i, i = 1,2,..). Deux méthodes ont été appliquées : la première, de type itérative, utilise la valeur estimée du jour j pour prédire la valeur de la température de l’eau au jour j + 1; la seconde méthode, beaucoup plus simple à mettre en oeuvre, consiste à estimer la température de tous les jours considérés en une seule fois. L’optimisation de la fonction de coût par l’algorithme de Levenberg-Marquardt, disponible dans l’outil « réseaux de neurones » de MATLAB a permis d’améliorer nettement la performance des modèles. Des résultats très satisfaisants sont alors obtenus en testant la validité du modèle par la validation croisée avec des erreurs moyennes de prédiction à sept jours de 1,5 °C.

32

Soudani, Azeddine, Saadi Bougoul, and Jean-Luc Harion. "Réduction des étalonnages multiples en mesures simultanées dans une couche limite turbulente d'un mélange air - hélium." Journal of Renewable Energies 6, no. 2 (December 31, 2003): 77–94. http://dx.doi.org/10.54966/jreen.v6i2.963.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

Les mesures simultanées par thermo-anémométrie de plusieurs grandeurs physiques d'un fluide en écoulement turbulent, nécessite l'emploi d'autant de sondes qu'il y a de variables. Un étalonnage est préalable à toute utilisation de ces capteurs pour des mesures. Cet étalonnage est fondé sur des lois d'ajustement, réalisées généralement par des méthodes classiques d'interpolation linéaire, des régressions polynomiales, des fonctions splines ou encore par des réseaux de neurones artificiels. Il permet d'établir le lien univoque entre les sorties de ces capteurs, données sous forme de tensions, et les paramètres physiques de l'écoulement à mesurer. Suivant la forme du réseau d'étalonnage obtenue, la précision de ces méthodes peut être extrêmement sensible aux degrés des polynômes d'ajustement et peut présenter ainsi des erreurs importantes d'interpolation. Il est donc nécessaire de tester systématiquement les paramètres d'ajustement pour chaque application. On montre à travers cette étude que, les méthodes de génération de grilles cartésiennes et de dépouillement de mesures, utilisant des régressions polynomiales et des interpolations linéaires, sont beaucoup moins précises que celles utilisant les fonctions splines et les réseaux de neurones artificiels. Les résultats obtenus montrent aussi que l'utilisation d'une surchauffe plus forte pour l'élément amont que l'élément aval de la sonde apporte, en général, une meilleure précision lors de la génération des grilles.

33

Roblin, E., P. Cournède, and S. Michiels. "Développements de réseaux de neurones pour données censurées et prédiction de survie." Revue d'Épidémiologie et de Santé Publique 69 (June 2021): S9—S10. http://dx.doi.org/10.1016/j.respe.2021.04.011.

Full text

APA, Harvard, Vancouver, ISO, and other styles

34

Kerkeni, N., R. Ben Cheikh, M. H. Bedoui, F. Alexandre, and M. Dogui. "Classification des stades de sommeil par des réseaux de neurones artificiels hiérarchiques." IRBM 33, no. 1 (February 2012): 35–40. http://dx.doi.org/10.1016/j.irbm.2011.12.006.

Full text

APA, Harvard, Vancouver, ISO, and other styles

35

Belatel, Mimi, and Abdelghani Ouazeta. "Modélisation et identification par les réseaux de neurones d’un système énergétique éolien à base d’une génératrice asynchrone." Journal of Renewable Energies 20, no. 2 (October 12, 2023): 195–208. http://dx.doi.org/10.54966/jreen.v20i2.620.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

L’objectif de ce travail est de modéliser les principaux composants du système énergétique éolien, essentiellement la génératrice asynchrone (GAS) et la turbine éolienne, ainsi que le développement d’un outil d’identification et d’optimisation, tel que les réseaux de neurones (ANN’s) pour l’étude de la quantité de charge de l’unité de stockage d’un système énergétique éolien autonome. La modélisation et l’identification de toute la chaîne de conversion est une phase importante pour pouvoir déterminer les caractéristiques optimales du système éolien.

36

HARINAIVO, A., H. HAUDUC, and I. TAKACS. "Anticiper l’impact de la météo sur l’influent des stations d’épuration grâce à l’intelligence artificielle." Techniques Sciences Méthodes 3 (March 20, 2023): 33–42. http://dx.doi.org/10.36904/202303033.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

Le changement climatique a pour conséquence l’apparition de forts événements pluvieux de plus en plus fréquents, occasionnant de fortes variations de débit et de concentrations à l’influent des stations d’épuration. La connaissance des risques d’orage et des débits potentiels plusieurs heures ou plusieurs jours en avance permettrait d’anticiper les adaptations opérationnelles pour préparer la station et protéger les différents ouvrages des risques de défaillance. Dans cette étude, les données météorologiques (pluies, température, vents, humidités, précipitations…) et l’historique des données d’influent de la station sont utilisés pour entraîner un algorithme d’intelligence artificielle, d’apprentissage automatique et d’apprentissage profond pour prédire les débits entrants sur la station jusqu’à une semaine en avance. Trois jeux de données journalières et horaires, de 1 à 3 ans, sont utilisés pour entraîner un modèle de Forêt aléatoire à 30 arbres, un modèle LSTM (long short-term memory) et un modèle GRU (gate recurrent unit) à trois couches de 100 neurones suivis chacun d’un dropout de 20 % et une couche de sortie entièrement connectée. Les données sont préalablement nettoyées pour supprimer les valeurs aberrantes et sont réparties à 80 % pour les données pour l’apprentissage et 20 % pour les données de test afin d’obtenir des modèles avec les meilleures prédictions. Les algorithmes utilisés dans cette étude sont simples et détectent bien les pics. La durée de l’entraînement sur les données de trois ans se fait en moins de deux minutes pour la Forêt aléatoire et en moins d’une demi-heure pour les réseaux de neurones LSTM et GRU. Les résultats montrent que les données horaires et la prise en compte de l’effet de l’historique par l’utilisation des réseaux de neurones récurrents LSTM et GRU permettent d’obtenir une meilleure prédiction des débits d’influent. Les séries de données plus longues permettent également un meilleur apprentissage des algorithmes et une meilleure prédiction du modèle.

37

Lek, S., I. Dimopoulos, M. Derraz, and Y. El Ghachtoul. "Modélisation de la relation pluie-débit à l'aide des réseaux de neurones artificiels." Revue des sciences de l'eau 9, no. 3 (April 12, 2005): 319–31. http://dx.doi.org/10.7202/705255ar.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

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

38

Zemouri, Ryad, Daniel Racoceanu, and Nourredine Zerhouni. "Réseaux de neurones récurrents à fonctions de base radiales : RRFR Application au pronostic." Revue d'intelligence artificielle 16, no. 3 (June 1, 2002): 307–38. http://dx.doi.org/10.3166/ria.16.307-338.

Full text

APA, Harvard, Vancouver, ISO, and other styles

39

Laïdi, Maamar, and Salah Hanini. "Approche neuronale pour l’estimation des transferts thermiques dans un fluide frigoporteur diphasique." Journal of Renewable Energies 15, no. 3 (October 23, 2023): 513–20. http://dx.doi.org/10.54966/jreen.v15i3.340.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

La propriété associative des réseaux neurologiques artificiels et de leur capacité inhérente d’apprendre et identifier des rapports fortement non linéaires et complexes, les trouve idéalement convenus à une étendue des applications large dans le domaine du froid direct et indirect. Cet article traite les applications potentielles des réseaux neurones artificiels dans la particularité des problèmes thermiques soulevés par l’utilisation des fluides frigoporteurs diphasiques, tels que les coulis de glace (mélange de solutions binaires aqueuses et de cristaux de glace) dans les installations de distribution du froid. L’utilisation de ce type d’installation permet de diminuer, les quantités des fluides frigorigènes traditionnels, ainsi que les problèmes qu’ils engendrent, de réduire les volumes de stockage et les consommations d’électricité. La stratégie d’obtention du RN s'articule sur l'élaboration d'un programme sur MATLAB, comportant plusieurs boucles où on fait varier les algorithmes d’apprentissages, les fonctions d’activations, le nombre de couches cachées et le nombre de neurones dans chaque couche, afin de minimiser la fonction du coût sous contrainte d’une erreur relative fixée. Le modèle neuronal conçu a permis d’une part de reproduire avec une très bonne précision les données expérimentales tirées directement de littérature et d’autre part une estimation meilleure et plus précise des valeurs calculées par rapport aux modèles classiques (basé sur la formulation générale de la méthode enthalpique) des transferts thermiques dans le cas des solutions binaires dispersées sous forme d’émulsions ou de mini-émulsions subissant un changement de phase tirées directement de littérature.

40

Postadjian, Tristan, Arnaud Le Bris, Hichem Sahbi, and Clément Mallet. "Classification à très large échelle d'images satellites à très haute résolution spatiale par réseaux de neurones convolutifs." Revue Française de Photogrammétrie et de Télédétection, no. 217-218 (September 21, 2018): 73–86. http://dx.doi.org/10.52638/rfpt.2018.418.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

Les algorithmes de classification constituent un outil essentiel pour le calcul de cartes d'occupation des sols. Les récents progrès en apprentissage automatique ont montré les très grandes performances des réseaux de neurones convolutifs pour de nombreuses applications, y compris la classification d'images aériennes et satellites. Ce travail établit une stratégie quant à l'utilisation d'un réseau de neurone convolutif pour la classification d'images satellites à très haute résolution spatiale, couvrant de très larges régions géographiques, avec pour perspective future le calcul de cartes d'occupation des sols à l'échelle d'un pays.

41

Zemouri, Ryad, Daniel Racoceanu, and Nourredine Zerhouni. "Réseaux de neurones récurrents à fonctions de base radiales. Application à la surveillance dynamique." Journal Européen des Systèmes Automatisés 37, no. 1 (January 30, 2003): 49–81. http://dx.doi.org/10.3166/jesa.37.49-81.

Full text

APA, Harvard, Vancouver, ISO, and other styles

42

Vazquez, J., M. Zug, D. Bellefleur, B. Grandjean, and O. Scrivener. "Utilisation d'un réseau de neurones pour appliquer le modèle de Muskingum aux réseaux d'assainissement." Revue des sciences de l'eau 12, no. 3 (April 12, 2005): 577–95. http://dx.doi.org/10.7202/705367ar.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

L'application du modèle de Muskingum pour simuler l'écoulement à surface libre dans les canaux d'irrigation a été largement utilisée et validée. Par extension, ce modèle est également employé pour simuler les écoulements en réseau d'assainissement. Or, nous avons pu montrer des erreurs allant jusqu'à 80% du débit de pointe entre le modèle de Muskingum à paramètres fixes et le modèle de référence de Barré de Saint-Venant. Nous proposons une nouvelle paramétrisation du modèle de Muskingum pour l'écoulement en collecteur circulaire en réseau d'assainissement et ceci pour un large domaine de longueurs, pentes et diamètres de collecteurs. Ce nouveau modèle non-linéaire a été calé par minimisation d'une fonction objectif traduisant la proximité du modèle proposé avec les résultats de la résolution des équations de Barré de Saint-Venant pour des hydrogrammes rectangulaires. Un réseau de neurones a été utilisé pour paramétrer le modèle. Cette nouvelle application des équations de Muskingum permet l'obtention d'erreurs relatives moyennes inférieures à 6% sur la valeur et l'instant du débit de pointe, ceci dans le cas de collecteurs ayant jusqu'à 6500 m de longueur, des pentes variant entre 0.5% et 1% et des diamètres entre 150 et 2500 mm et des hydrogrammes de débit de pointe proche de la capacité du collecteur. Le modèle a également été validé sur un hydrogramme de forme quelconque.

43

Amor, Noureddine, Ali Noureddine, and Riad Lakhdar Kherfane. "Détermination de la vitesse de coupe en usinage à l’aide des réseaux de neurones." Matériaux & Techniques 105, no. 3 (2017): 306. http://dx.doi.org/10.1051/mattech/2018008.

Full text

APA, Harvard, Vancouver, ISO, and other styles

44

Ruan, S., P. Vera, P. Decazes, and R. Modzelewski. "RADIOGAN : réseaux de neurones profonds génératifs conditionnels pour la synthétisation d’images TEP au FDG." Médecine Nucléaire 44, no. 2 (March 2020): 105–6. http://dx.doi.org/10.1016/j.mednuc.2020.01.128.

Full text

APA, Harvard, Vancouver, ISO, and other styles

45

Leone, Gilles, Jocelyn Patinel, and Maurice Milgram. "Détection des symétries par réseaux de neurones formels : utilisation de représentations internes dans l'apprentissage." Intellectica. Revue de l'Association pour la Recherche Cognitive 19, no. 2 (1994): 217–52. http://dx.doi.org/10.3406/intel.1994.1468.

Full text

APA, Harvard, Vancouver, ISO, and other styles

46

-Bloch, Gérard. "Les réseaux de neurones pour le contrôle et l'optimisation des processus : deux applications industrielles." Revue de l'Electricité et de l'Electronique -, no. 07 (2001): 31. http://dx.doi.org/10.3845/ree.2001.074.

Full text

APA, Harvard, Vancouver, ISO, and other styles

47

Fahim Fahmy, Cherine. "PRESENCE D’UNE PRÉDISPOSITION : PREMIER ÉPISODE D’UNE SÉRIE DE HUIT ÉPISODES SUR LE CERVEAU." Cortica 1, no. 2 (September 20, 2022): 464–90. http://dx.doi.org/10.26034/cortica.2022.3344.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

L’objectif du modèle PRESENCE est de mettre en lumière les connaissances sur le développement du cerveau au service des neurosciences de l’éducation. PRESENCE combine une exploration approfondie de l'organisation du cerveau avec une revue de la littérature et perspective théorico-pratique sur la façon dont il permet l'émergence d'états mentaux complexes. Habilement tissé ensemble, le résultat est une image unique du cerveau qui est enracinée dans la morphologie et le fonctionnement cellulaire par la prédisposition génétique/épigénétique, l’élagage synaptique, la neuroplasticité et la neurogenèse puis mise en mouvement par la dynamique des réseaux de neurones et leur synchronisation en passant par la conscience et le libre arbitre. PRESENCE est un modèle sur lequel le CAS en neuroscience de l’éducation s’est basé. Le premier épisode de cette série de huit épisodes nous fait voyager au cœur de la prédisposition génétique et épigénétique. Les connexions sont établies selon un plan génétiquement programmé mais leur maintien et leur qualité peuvent être largement régulés par l’activité neuronale et donc l’expérience. En intervenant auprès du jeune il faut garder à l’esprit le fait qu’on intervient auprès d’une structure cérébrale génétiquement et épigénétiquement complexe et imprévisible ; que nos interventions ont les capacités d’interagir avec cette structure et la modifier pour le meilleur ou pour le pire. Les études dans le domaine ainsi que les réflexions de l’auteure présentées dans cette mini-revue de la littérature mettent en lumière le rôle de l’environnent dans le tissage des réseaux de neurones de l’enfant. Tout particulièrement, les recherches en neurosciences soulignent l’impact de l’environnement dans le développement de l’Être en construction.

48

El kharki, Omar. "Panorama sur les méthodes de classification des images satellites et techniques d'amélioration de la précision de la classification." Revue Française de Photogrammétrie et de Télédétection, no. 210 (April 7, 2015): 23–38. http://dx.doi.org/10.52638/rfpt.2015.259.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Abstract:

Au cours des dernières années, de nombreuses approches avancées de classification, tels que les réseaux de neurones artificiels, arbres de décision, les ensembles flous, etc. ont été largement appliquées à la classification des images satellites. Chaque méthode de classification a son propre mérite. Sélectionner une approche de classification appropriéepour une étude spécifique n'est pas facile. Différents résultats de classification peuvent être obtenus selon le(s) classificateur(s) choisi(s). Dans cet article, nous passons en revue diverses méthodes de classification avec une analyse et étude comparative. Nous présentons également les techniques pour améliorer la précision de la classification de lacouverture terrestre.

49

Weinfeld, Michel. "Intégration ďarchitectures à base de réseaux de neurones formels : un défi pour les technologies submicroniques." Annales des Télécommunications 46, no. 1-2 (January 1991): 142–55. http://dx.doi.org/10.1007/bf02995443.

Full text

APA, Harvard, Vancouver, ISO, and other styles

50

Leger, Bruno, Jean-Baptiste Lopez-Velasco, and Jean-Manuel Emidio. "Application des réseaux de neurones à la détermination des transferts convectifs sur plaque plane multiperforée." International Journal of Thermal Sciences 41, no. 11 (November 2002): 1089–100. http://dx.doi.org/10.1016/s1290-0729(02)01395-9.

Full text

APA, Harvard, Vancouver, ISO, and other styles

Journal articles on the topic 'Réseaux de neurones oscillants'

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