Дисертації з теми "Réseaux de neurones sur graphes"
Щоб переглянути інші типи публікацій з цієї теми, перейдіть за посиланням: Réseaux de neurones sur graphes.
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся з топ-50 дисертацій для дослідження на тему "Réseaux de neurones sur graphes".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Переглядайте дисертації для різних дисциплін та оформлюйте правильно вашу бібліографію.
1
Pasdeloup, Bastien. "Extending convolutional neural networks to irregular domains through graph inference." Thesis, Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire, 2017. http://www.theses.fr/2017IMTA0048/document.
Анотація:
Tout d'abord, nous présentons des méthodes permettant d'inférer un graphe à partir de signaux, afin de modéliser le support des données à classifier. Ensuite, des translations préservant les voisinages des sommets sont identifiées sur le graphe inféré. Enfin, ces translations sont utilisées pour déplacer un noyau convolutif sur le graphe, afin dedéfinir un réseau de neurones convolutif adapté aux données d'entrée.Nous avons illustré notre méthodologie sur une base de données d'images. Sans utiliser de connaissances sur les signaux, nous avons pu inférer un graphe proche d'une grille. Les translations sur ce graphe sont proches des translations Euclidiennes, ce qui nous a permis de définir un réseau de neurones convolutif très similaire à ce que l'on aurait pu obtenir en utilisant l'information que les signaux sont des images. Ce réseau, entraîné sur les données initiales, a dépassé lesperformances des méthodes de l'état de l'art de plus de 13 points, tout en étant simple et facilement améliorable.La méthode que nous avons introduite est une généralisation des réseaux de neurones convolutifs, car ceux-ci sont des cas particuliers de notre approche quand le graphe est une grille. Nos travaux ouvrent donc de nombreuses perspectives, car ils fournissent une méthode efficace pour construire des réseaux adaptés aux donnéesThis manuscript sums up our work on extending convolutional neuralnetworks to irregular domains through graph inference. It consists of three main chapters, each giving the details of a part of a methodology allowing the definition of such networks to process signals evolving on graphs with unknown structures.First, graph inference from data is explored, in order to provide a graph modeling the support of the signals to classify. Second, translation operators that preserve neighborhood properties of the vertices are identified on the inferred graph. Third, these translations are used to shift a convolutional kernel on the graph in order to define a convolutional neural network that is adapted to the input data.We have illustrated our methodology on a dataset of images. While not using any particular knowledge on the signals, we have been able to infer a graph that is close to a grid. Translations on this graph resemble Euclidean translations. Therefore, this has allowed us to define an adapted convolutional neural network that is very close what one would obtain when using the information that signals are images. This network, trained on the initial data, has out performed state of the art methods by more than 13 points, while using a very simple and easily improvable architecture.The method we have introduced is a generalization of convolutional neural networks. As a matter of fact, they can be seen as aparticularization of our approach in the case where the graph is a grid. Our work thus opens the way to numerous perspectives, as it provides an efficient way to build networks that are adapted to the data
2
Rosar, Kós Lassance Carlos Eduardo. "Graphs for deep learning representations." Thesis, Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire, 2020. http://www.theses.fr/2020IMTA0204.
Анотація:
Ces dernières années, les méthodes d'apprentissage profond ont atteint l'état de l'art dans une vaste gamme de tâches d'apprentissage automatique, y compris la classification d'images et la traduction automatique. Ces architectures sont assemblées pour résoudre des tâches d'apprentissage automatique de bout en bout. Afin d'atteindre des performances de haut niveau, ces architectures nécessitent souvent d'un très grand nombre de paramètres. Les conséquences indésirables sont multiples, et pour y remédier, il est souhaitable de pouvoir comprendre ce qui se passe à l'intérieur des architectures d'apprentissage profond. Il est difficile de le faire en raison de: i) la dimension élevée des représentations ; et ii) la stochasticité du processus de formation. Dans cette thèse, nous étudions ces architectures en introduisant un formalisme à base de graphes, s'appuyant notamment sur les récents progrès du traitement de signaux sur graphe (TSG). À savoir, nous utilisons des graphes pour représenter les espaces latents des réseaux neuronaux profonds. Nous montrons que ce formalisme des graphes nous permet de répondre à diverses questions, notamment: i) mesurer des capacités de généralisation ;ii) réduire la quantité de des choix arbitraires dans la conception du processus d'apprentissage ; iii)améliorer la robustesse aux petites perturbations ajoutées sur les entrées ; et iv) réduire la complexité des calculsIn recent years, Deep Learning methods have achieved state of the art performance in a vast range of machine learning tasks, including image classification and multilingual automatic text translation. These architectures are trained to solve machine learning tasks in an end-to-end fashion. In order to reach top-tier performance, these architectures often require a very large number of trainable parameters. There are multiple undesirable consequences, and in order to tackle these issues, it is desired to be able to open the black boxes of deep learning architectures. Problematically, doing so is difficult due to the high dimensionality of representations and the stochasticity of the training process. In this thesis, we investigate these architectures by introducing a graph formalism based on the recent advances in Graph Signal Processing (GSP). Namely, we use graphs to represent the latent spaces of deep neural networks. We showcase that this graph formalism allows us to answer various questions including: ensuring generalization abilities, reducing the amount of arbitrary choices in the design of the learning process, improving robustness to small perturbations added to the inputs, and reducing computational complexity
3
Cattai, Tiziana. "Leveraging brain connectivity networks to detect mental states during motor imagery." Electronic Thesis or Diss., Sorbonne université, 2021. http://www.theses.fr/2021SORUS081.
Анотація:
Le cerveau est un réseau complexe et nous savons que les mécanismes de synchronisation et de désynchronisation sont essentiels pour effectuer des taches motrices et cognitives. De nos jours, les interactions fonctionnelles cérébrales sont étudiées dans des applications d'interface cerveau-ordinateur (BCI) avec de plus en plus d'intérêt. Cela pourrait avoir un fort impact sur les systèmes BCI, généralement bases sur des caractéristiques univariées qui caractérisent séparément les activités régionales du cerveau. En effet, les fonctionnalités de connectivité cérébrale peuvent être utilisées pour développer des BCI alternatifs dans le but d'améliorer les performances et d'\'e9tendre leur applicabilité dans la vie r\'e9elle. L'ambition de cette thèse est l'étude des réseaux de connectivité fonctionnelle du cerveau lors de taches BCI basées sur l'imagerie motrice (IM). Il vise à identifier le fonctionnement cérébral complexe, les processus de réorganisation et les dynamiques variant dans le temps à la fois au niveau du groupe et de l'individu. Cette thèse présente différents développements qui enrichissent séquentiellement un modèle initialement simple afin d'obtenir une méthode robuste pour l'étude des réseaux de connectivité fonctionnelle. Les résultats expérimentaux sur des données EEG simulées et réelles enregistrés pendant les taches BCI prouvent que notre méthode proposée explique bien le comportement variegate des données EEG cérébrales. Plus précisément, il fournit une caractérisation des mécanismes fonctionnels du cerveau au niveau du groupe, ainsi qu'une mesure de la séparabilité des conditions mentales au niveau individuel. Nous présentons également une procédure de réduction du bruit de graphe pour filtrer les données qui préservent simultanément la structure de connectivité du graphe et améliorent le rapport signal sur bruit. Puisque l'utilisation d'un système BCI nécessite une interaction dynamique entre l'utilisateur et la machine, nous proposons enfin une méthode pour capturer l'évolution des données variant dans le temps. Essentiellement, cette thèse présente un nouveau cadre pour saisir la complexité de la connectivité fonctionnelle des graphes lors de tâches cognitivesThe brain is a complex network and we know that inter-areal synchronization and de-synchronization mechanisms are crucial to perform motor and cognitive tasks. Nowadays, brain functional interactions are studied in brain-computer interface BCI) applications with more and more interest. This might have strong impact on BCI systems, typically based on univariate features which separately characterize brain regional activities. Indeed, brain connectivity features can be used to develop alternative BCIs in an effort to improve performance and to extend their real-life applicability. The ambition of this thesis is the investigation of brain functional connectivity networks during motor imagery (MI)-based BCI tasks. It aims to identify complex brain functioning, re-organization processes and time-varying dynamics, at both group and individual level. This thesis presents different developments that sequentially enrich an initially simple model in order to obtain a robust method for the study of functional connectivity networks. Experimental results on simulated and real EEG data recorded during BCI tasks prove that our proposed method well explains the variegate behaviour of brain EEG data. Specifically, it provides a characterization of brain functional mechanisms at group level, together with a measure of the separability of mental conditions at individual level. We also present a graph denoising procedure to filter data which simultaneously preserve the graph connectivity structure and enhance the signal-to-noise ratio. Since the use of a BCI system requires a dynamic interaction between user and machine, we finally propose a method to capture the evolution of time-varying data. In essence, this thesis presents a novel framework to grasp the complexity of graph functional connectivity during cognitive tasks
4
Corne, Christophe. "Parallélisation de réseaux de neurones sur architecture distribuée." Mulhouse, 1999. http://www.theses.fr/1999MULH0583.
Анотація:
Notre étude a pour objectif d'établir le rôle prépondérant que peuvent avoir les techniques parallèles dans la résolution de calculs complexes utilisant des réseaux de neurones. Nous présentons les différents modèles de réseaux de neurones afin d'évaluer leur adaptabilité au parallélisme et de retenir la meilleure méthode de parallélisation. La structure choisie est basée sur l'algorithme neuromimétique Self-Organizing Map (SOM). Nous parallélisons cet algorithme sur différents types de plate-formes à architecture distribuée, l'une d'entre elles étant un réseau de stations de travail. Nous présentons un réseau grossissant, auto-organisé dans sa généralité et détaillons la forme séquentielle de son algorithme fondateur. La parallélisation de ce dernier algorithme sur une architecture utilisant la norme SCI (Scalable Coherent Interface) comme moyen de communication nous permet de montrer l'intérêt à la fois d'un réseau d'ordinateurs comme ressources de calcul et de ce nouveau protocole à 1 Gigabit/s. Pour évaluer les performances de nos algorithmes et les faire fonctionner, nous avons dû soutirer la puissance optimale des matériels dont nous disposions. Nous avons constaté à cette occasion, que les ressources informatiques, prises dans leur ensemble, avaient un potentiel et une disponibilité en puissance de calcul largement inexploitée. Ces circonstances nous ont conduit à une réflexion sur l'optimisation des ressources informatiques et à la conception d'un logiciel de répartition des tâches, sur systèmes distribués. Nous détaillons le fonctionnement de ce logiciel nommé «ReTrop» et présentons succinctement ses débouchés industriels. Comme exemple d'utilisation de ce principe, nous présentons les résultats obtenus pour améliorer le choix des paramètres d'un réseau grossissant, auto-organisé.
5
Carboni, Lucrezia. "Graphes pour l’exploration des réseaux de neurones artificiels et de la connectivité cérébrale humaine." Electronic Thesis or Diss., Université Grenoble Alpes, 2023. http://www.theses.fr/2023GRALM060.
Анотація:
L'objectif principal de cette thèse est d'explorer la connectivité cérébrale et celle des réseaux de neurones artificiels d'un point de vue de leur connectivité. Un modèle par graphes pour l'analyse de la connectivité structurelle et fonctionnelle a été largement étudié dans le contexte du cerveau humain mais, un tel cadre d'analyse manque encore pour l'analyse des systèmes artificiels. Avec l'objectif d'intégrer l'analyse de la connectivité dans les système artificiels, cette recherche se concentre sur deux axes principaux. Dans le premier axe, l'objectif principal est de déterminer une caractérisation de la signature saine de la connectivité fonctionnelle de repos du cerveau humain. Pour atteindre cet objectif, une nouvelle méthode est proposée, intégrant des statistiques de graphe traditionnelles et des outils de réduction de réseau, pour déterminer des modèles de connectivité sains. Ainsi, nous construisons une comparaison en paires de graphes et un classifieur pour identifier les états pathologiques et identifier les régions cérébrales perturbées par une pathologie. De plus, la généralisation et la robustesse de la méthode proposée ont été étudiées sur plusieurs bases de données et variations de la qualité des données. Le deuxième axe de recherche explore les avantages de l'intégration des études de la connectivité inspirée du cerveau aux réseaux de neurones artificiels (ANNs) dans la perspective du développement de systèmes artificiels plus robustes. Un problème majeur de robustesse dans les modèles d'ANN est représenté par l'oubli catastrophique qui apparaît lorsque le réseau oublie dramatiquement les tâches précédemment apprises lors de l'adaptation à de nouvelles tâches. Notre travail démontre que la modélisation par graphes offre un cadre simple et élégant pour étudier les ANNs, comparer différentes stratégies d'apprentissage et détecter des comportements nuisibles tels que l'oubli catastrophique. De plus, nous soulignons le potentiel d'une adaptation à de nouvelles tâches en contrôlant les graphes afin d'atténuer efficacement l'oubli catastrophique et jetant ainsi les bases de futures recherches et explorations dans ce domaineThe main objective of this thesis is to explore brain and artificial neural network connectivity from agraph-based perspective. While structural and functional connectivity analysis has been extensivelystudied in the context of the human brain, there is a lack of a similar analysis framework in artificialsystems.To address this gap, this research focuses on two main axes.In the first axis, the main objective is to determine a healthy signature characterization of the humanbrain resting state functional connectivity. To achieve this objective, a novel framework is proposed,integrating traditional graph statistics and network reduction tools, to determine healthy connectivitypatterns. Hence, we build a graph pair-wise comparison and a classifier to identify pathological statesand rank associated perturbed brain regions. Additionally, the generalization and robustness of theproposed framework were investigated across multiple datasets and variations in data quality.The second research axis explores the benefits of brain-inspired connectivity exploration of artificialneural networks (ANNs) in the future perspective of more robust artificial systems development. Amajor robustness issue in ANN models is represented by catastrophic forgetting when the networkdramatically forgets previously learned tasks when adapting to new ones. Our work demonstrates thatgraph modeling offers a simple and elegant framework for investigating ANNs, comparing differentlearning strategies, and detecting deleterious behaviors such as catastrophic forgetting.Moreover, we explore the potential of leveraging graph-based insights to effectively mitigatecatastrophic forgetting, laying a foundation for future research and explorations in this area
6
Alvado, Ludovic. "Neurones artificiels sur silicium : une évolution vers les réseaux." Bordeaux 1, 2003. http://www.theses.fr/2003BOR12674.
Анотація:
Cette thèse décrit une nouvelle approche pour la modélisation de réseaux de neurones biologiques. Cette approche utilise des circuits intégrés analogiques spécifiques (ASIC) dans lesquels le formalisme de Hodgkin-Huxley est implémenté dans le but de réaliser des réseaux de neurones artificiels de densité moyenne et biologiquement réaliste. Elle aborde aussi les problèmes de disparités entre composants et le choix d’une structure optimisée pour l’utilisation en réseauThis thesis describes a new approach for modelling biological neuron networks. This approach uses analogue specific integrated circuit (ASIC) in which Hodgkin-Huxley formalism as been implemented to integrate medium density artificial neural network, modelled at a biological realistic level. This thesis also deals with the component mismatches problem and the pertinent choice of optimized structure dedicated to network applications
7
Bissery, Christophe. "La détection centralisée des fuites sur les réseaux d'eau potable par réseaux de neurones." Lyon, INSA, 1994. http://www.theses.fr/1994ISAL0112.
Анотація:
On assiste depuis quelques années, sous la pression de l'environnement, à un changement de perception du risque de dysfonctionnement des systèmes techniques et en particulier des réseaux d'eau potable. Le risque nul n'existe pas et il faut donc apprendre à le gérer. C'est dans ce cadre qu'émerge le besoin de détection centralisée des fuites sur les réseaux d'eau potable, les fuites qui représentent une part importante du risque de dysfonctionnement de la distribution d'eau. Ce travail de recherche propose un système de détection centralisée des fuites sur les réseaux d'eau potable à base de réseaux de neurones. On y étudie en particulier des méthodologies de construction des bases d'apprentissage et de localisation des capteurs qui permettent un passage simple de l'expérimentation à la détection en site réel. Ce travail a permis de constater que sur modèle hydraulique de réseau réel, le système de détection à base de réseau de neurones permettait d'obtenir des résultats en détection qui justifiaient d'une mise en place réelle. L'étude s'achève sur une définition des priorités d'étude pour permettre cette mise en place sur site réel (en particulier, les besoins de prévision de consommation horaire)For few years, under the influence of the urban environment, the perception of dysfunction risk in technical systems and in particular in water supply networks has changed. The lack of risk doesn't exist and it's necessary to learn how to manage it. It's in this way that appears the need of centralized leakage detection on water supply networks, leaks that represent an important part of the dysfunction risk of water supply. This study proposes a centralized leakage detection system using a computerized neural network approach. The building method of learning bases and the sensors localization method are pointed out and developed. This study has showed that on a realistic network model results obtained with the centralized leakage detection system using a computerized neural network approach allowed experimentations on real networks. The study ends on the presentation of the working priorities for these real experimentations (and in particular the need of hourly water consumption previsions)
8
Faÿ, Armelle. "Sur la propagation de l'information dans les réseaux probabilistes." Paris 6, 1997. http://www.theses.fr/1997PA066770.
9
Wang, Shengrui. "Réseaux multicouches de neurones artificiels : algorithmes d'apprentissage, implantations sur hypercube : applications." Phd thesis, Grenoble INPG, 1989. http://tel.archives-ouvertes.fr/tel-00335818.
Анотація:
En adoptant une methode générale de distribution du réseau de cellules, sont proposes des algorithmes de communication sur un anneau et sur un hypercube qui résolvent les problèmes de multi-accumulation et de diffusion all-to-all. Il est montre, de plus, que ces algorithmes sont asymptotiquement optimaux. La simulation de l'identification des visages en contexte présentée constitue une tentative d'utilisation du modèle connexioniste comme nouveau paradigme pour modéliser des phénomènes cognitifs. Par ailleurs, l'application des réseaux multicouches a la reconnaissance de mots met en valeur l'intérêt de l'architecture a connexions partielles et superposées pour traiter des informations temporelles
10
Laflaquière, Arnaud. "Neurones artificiels sur silicium : conception analogique et construction de réseaux hybrides." Bordeaux 1, 1998. http://www.theses.fr/1998BOR10617.
Анотація:
Cette these decrit une nouvelle approche pour la modelisation de neurones biologiques. Cette approche utilise des circuits electroniques integres analogiques specifiques pour implementer le formalisme de hodgkin-huxley. Ils sont realises en technologie bicmos ams 0. 8 m, selon un mode de conception full custom. Nous pouvons ainsi, grace a ces asics (application specific integrated circuits), reproduire en temps reel, et de facon precise, le comportement electrique dynamique d'un grand nombre de cellules nerveuses. De veritables neurones artificiels sont alors disponibles pour la construction de ce que nous avons appele les reseaux hybrides. Ces reseaux mettent en relation neurones reels in vitro et neurones electroniques et ouvrent de nombreuses perspectives pour des experimentations en neurophysiologie.
11
Haji, Mirsadeghi Mir Omid. "Routage sur les graphes géométriques aléatoires." Paris 6, 2012. http://www.theses.fr/2012PA066204.
Анотація:
Cette thèse se concentre sur les propriétés de routages ou navigations sur les graphes aléatoires associés à des processus ponctuels et la théorie des fonctionnelles ponctuelles et des mesures de Palm. Les deux premiers chapitres se concentrent sur des définitions et des résultats préliminaires. Dans le chapitre 3, nous analysons des navigations sur une nouvelle classe de graphes aléatoires SINR. Nous considérons à la fois une dimension spatiale et une dimension temporelle. Nous étudions les chemins optimaux dans ces graphes. Le principal résultat négatif est que cette constante de temps est infinie sur le graphe aléatoire associé à un processus de Poisson sous des hypothèses naturelles sur les caractéristiques des canaux sans fil. Le principal résultat positif est que l'ajout d'une infrastructure de noeud périodique de densité arbitrairement petite rend la constante de temps positive et finie. Dans la deuxième partie, nous développons un cadre pour l'étude des mesures laissées invariantes par des fonctionnelles ponctuelles. Nous introduisons la notion mesure de Palm de fonctionnelle ponctuelle du processus ponctuel Φ, qui satisfait, quand elle existe, la propriété d'invariance désirée. Le dernier chapitre généralise la notion de mesures Palm de fonctionnelle ponctuelle au cas de fonctionnelles stochastiques et de fonctionnelles dépendant du temps. Les chemins optimaux du graphe SINR spatio-temporel ne sont pas calculables. Les algorithmes de routage de la littérature sont donc fondés sur de algorithme locaux. Les mesures de Palm associées à ces fonctionnelles décrivent donc le paysage ponctuel "vu" par une navigation en temps long sur le processus ponctuelThe two first chapters are focused on preliminaries. In Chapter 3 of this thesis, we analyze a class of “Signal to Interference and Noise Ratio” (SINR) random graphs. These random graphs arise in the modeling of packet transmissions in wireless networks. In contrast to previous studies on SINR graphs, we consider both a space and a time dimension. We study optimal paths in such wireless networks in terms of first passage percolation on this random graph. We establish both positive and negative results on the associated time constant. The main negative result states that this time constant is infinite on the random graph associated with a Poisson point process under natural assumptions on the wireless channels. The main positive result states that when adding a periodic node infrastructure of arbitrarily small intensity to the Poisson point process, the time constant is positive and finite. In the second part, we develop a framework for studying point-map invariant measures. We focus on the case of a not necessarily bijective point-map f. We introduce the notion of Point-map Palm version of the point process Φ, which satisfies the desired invariance property when it exists and we give sufficient conditions for it to exist. Chapter 5, explains the connection between Chapters 3 and 4. It generalizes the notion of point-map Palm measures for stochastic point-maps and time dependent point-maps. As we will see in the end of the Chapter 3, the optimal path in the time- space SINR graph is not computable locally in time. This fact leads us to considering suboptimal local algorithms
12
Albano, Alice. "Dynamique des graphes de terrain : analyse en temps intrinsèque." Thesis, Paris 6, 2014. http://www.theses.fr/2014PA066260/document.
Анотація:
Nous sommes entourés par une multitude de réseaux d'interactions, issus de contextes très différents. Ces réseaux peuvent être modélisés par des graphes, appelés graphes de terrain. Ils possèdent une structure en communautés, c'est-à-dire en groupes de nœuds très liés entre eux, et peu liés avec les autres. Un phénomène que l'on étudie sur les graphes dans de nombreux contextes est la diffusion. La propagation d'une maladie en est un exemple. Ces phénomènes dépendent d'un paramètre important, mais souvent peu étudié : l'échelle de temps selon laquelle on les observe. Selon l'échelle choisie, la dynamique du graphe peut varier de manière très importante.Dans cette thèse, nous proposons d'étudier des processus dynamiques en utilisant une échelle de temps adaptée. Nous considérons une notion de temps relatif, que nous appelons le temps intrinsèque, par opposition au temps "classique", que nous appelons temps extrinsèque. Nous étudions en premier lieu des phénomènes de diffusion selon une échelle de temps intrinsèque, et nous comparons les résultats obtenus avec une échelle extrinsèque. Ceci nous permet de mettre en évidence le fait qu'un même phénomène observé dans deux échelles de temps différentes puisse présenter un comportement très différent. Nous analysons ensuite la pertinence de l'utilisation du temps intrinsèque pour la détection de communautés dynamiques. Les communautés obtenues selon les échelles de temps extrinsèques et intrinsèques nous montrent qu'une échelle intrinsèque permet la détection de communautés beaucoup plus significatives et détaillées que l'échelle extrinsèqueWe are surrounded by a multitude of interaction networks from different contexts. These networks can be modeled as graphs, called complex networks. They have a community structure, i.e. groups of nodes closely related to each other and less connected with the rest of the graph. An other phenomenon studied in complex networks in many contexts is diffusion. The spread of a disease is an example of diffusion. These phenomena are dynamic and depend on an important parameter, which is often little studied: the time scale in which they are observed. According to the chosen scale, the graph dynamics can vary significantly. In this thesis, we propose to study dynamic processes using a suitable time scale. We consider a notion of relative time which we call intrinsic time, opposed to "traditional" time, which we call extrinsic time. We first study diffusion phenomena using intrinsic time, and we compare our results with an extrinsic time scale. This allows us to highlight the fact that the same phenomenon observed at two different time scales can have a very different behavior. We then analyze the relevance of the use of intrinsic time scale for detecting dynamic communities. Comparing communities obtained according extrinsic and intrinsic scales shows that the intrinsic time scale allows a more significant detection than extrinsic time scale
13
Albano, Alice. "Dynamique des graphes de terrain : analyse en temps intrinsèque." Electronic Thesis or Diss., Paris 6, 2014. http://www.theses.fr/2014PA066260.
Анотація:
Nous sommes entourés par une multitude de réseaux d'interactions, issus de contextes très différents. Ces réseaux peuvent être modélisés par des graphes, appelés graphes de terrain. Ils possèdent une structure en communautés, c'est-à-dire en groupes de nœuds très liés entre eux, et peu liés avec les autres. Un phénomène que l'on étudie sur les graphes dans de nombreux contextes est la diffusion. La propagation d'une maladie en est un exemple. Ces phénomènes dépendent d'un paramètre important, mais souvent peu étudié : l'échelle de temps selon laquelle on les observe. Selon l'échelle choisie, la dynamique du graphe peut varier de manière très importante.Dans cette thèse, nous proposons d'étudier des processus dynamiques en utilisant une échelle de temps adaptée. Nous considérons une notion de temps relatif, que nous appelons le temps intrinsèque, par opposition au temps "classique", que nous appelons temps extrinsèque. Nous étudions en premier lieu des phénomènes de diffusion selon une échelle de temps intrinsèque, et nous comparons les résultats obtenus avec une échelle extrinsèque. Ceci nous permet de mettre en évidence le fait qu'un même phénomène observé dans deux échelles de temps différentes puisse présenter un comportement très différent. Nous analysons ensuite la pertinence de l'utilisation du temps intrinsèque pour la détection de communautés dynamiques. Les communautés obtenues selon les échelles de temps extrinsèques et intrinsèques nous montrent qu'une échelle intrinsèque permet la détection de communautés beaucoup plus significatives et détaillées que l'échelle extrinsèqueWe are surrounded by a multitude of interaction networks from different contexts. These networks can be modeled as graphs, called complex networks. They have a community structure, i.e. groups of nodes closely related to each other and less connected with the rest of the graph. An other phenomenon studied in complex networks in many contexts is diffusion. The spread of a disease is an example of diffusion. These phenomena are dynamic and depend on an important parameter, which is often little studied: the time scale in which they are observed. According to the chosen scale, the graph dynamics can vary significantly. In this thesis, we propose to study dynamic processes using a suitable time scale. We consider a notion of relative time which we call intrinsic time, opposed to "traditional" time, which we call extrinsic time. We first study diffusion phenomena using intrinsic time, and we compare our results with an extrinsic time scale. This allows us to highlight the fact that the same phenomenon observed at two different time scales can have a very different behavior. We then analyze the relevance of the use of intrinsic time scale for detecting dynamic communities. Comparing communities obtained according extrinsic and intrinsic scales shows that the intrinsic time scale allows a more significant detection than extrinsic time scale
14
Seube, Nicolas. "Régulation de systèmes contrôlés avec contraintes sur l'état par réseaux de neurones." Paris 9, 1992. https://portail.bu.dauphine.fr/fileviewer/index.php?doc=1992PA090013.
Анотація:
L'objet de cette thèse est la construction de règles d'apprentissage pour des réseaux de neurones, dans le but de réguler des systèmes soumis à des contraintes d'état. Dans un premier temps, on considère les réseaux de neurones comme des systèmes contrôlés par des matrices synaptiques, et l'on montre que les règles d'apprentissage classiques s'expriment simplement à l'aide du produit tensoriel d'operateurs linéaires. Ensuite, on construit des règles d'apprentissage pour le contrôle de systèmes par réseaux de neurones. Trois classes de règles sont alors proposées. Les deux premières (retro propagation dynamique (RPD) et retro propagation dynamique uniforme (RPDU) sont basées sur des procédures de minimisation complexes d'un critère défini dans l'espace des états du système contrôle, traduites dans l'espace des matrices synaptiques du réseau de neurones effectuant la fonction de régulation du système. La troisième règle (la règle d'apprentissage adaptative lourde (AL) sera interprétée comme une règle de Hebb continue. Cette règle est basée sur un théorème concernant l'apprentissage adaptatif de lois de commande par réseau de neurones, lui-même basé sur le théorème de viabilité. Des résultats numériques seront présentes pour les trois classes d'algorithmes
15
Cherif, Makrem. "Optimisation de l'ordonnancement par l'approche hybride basée sur les réseaux de neurones." Mémoire, École de technologie supérieure, 2004. http://espace.etsmtl.ca/712/1/CHERIF_Makrem.pdf.
Анотація:
Les problèmes d'ordonnancement se posent dans de nombreux domaines tels que la productique et l'informatique. Leur variété vient de la diversité des données, des contraintes et des critères d'optimisation qu'ils impliquent. Ce mémoire traite le problème de l'ordonnancement déterministe dans un atelier à tâches («Job shop» et cellules de production) sur la base d'une utilisation des réseaux de neurones. Ce problème est un problème d'optimisation NP-Complet lorsque le nombre de machines et de tâches est supérieur à deux. Les données sont constituées de l'ensemble des tâches à exécuter, de leurs gammes opératoires, de leurs durées ainsi que de l'ensemble des machines. Les contraintes prises en compte sont les contraintes de partage de ressources et de précédences. Les variables de décision concernent les dates de début et les dates de fin des opérations. Un critère d'optimisation est considéré, le "makespan" qui correspond à la minimisation du temps total de travail. L'utilisation des réseaux de neurones est intéressante car le parallélisme intrinsèque de ces derniers offre, a priori, une possibilité de traiter des problèmes de grandes tailles dans un temps limité. Une étude comparative des différentes approches de réseaux de neurones utilisés dans l'optimisation a été effectuée. Elle nous a permis d'apprécier les potentialités des réseaux de neurones de Hopfield dans le traitement d'une variété de problèmes d'optimisation. Notre travail a consisté ensuite à ajuster les particularités des réseaux de neurones à mettre en oeuvre pour la résolution de notre problème d'ordonnancement. Les propositions de ce mémoire sont articulées autour d'une utilisation combinée des réseaux de neurones avec un algorithme heuristique. Cette combinaison peut apporter, dans la majorité des cas, une amélioration nette de la qualité de solutions. Enfin, une des particularités fondamentales des réseaux de neurones étant la robustesse, il nous a paru intéressant de chercher dans quelle mesure il est possible d'explorer utilement cette propriété. Cette démarche nous a conduit à la proposition d'un réseau récent de Hopfield (Quantized Hopfield), qui nous permet d'obtenir les solutions optimales très fréquemment et beaucoup plus rapidement que d'autres réseaux de Hopfield.
16
Frydlender, Hervé. "Implantation de réseaux de neurones artificiels sur multi-processeurs à mémoire distribuée." Grenoble INPG, 1992. http://www.theses.fr/1992INPG0132.
Анотація:
La taille et la complexité des réseaux de neurones formels, ainsi que leur intégration au sein d'applications temps réel, entraînent un besoin en vitesse de calcul conduisant à l'utilisation du parallélisme et à la création d'architectures dédiées. Après une rapide description des principaux algorithmes neuromimétiques, nous étudions leur parallélisation à divers niveaux de granularité. Ceci a conduit à la mise au point d'une méthode de partitionnement du produit itéré matrice vecteur permettant une nette diminution du volume global de communications. Des expérimentations de ce partitionnement sur un réseau de Transputers montrent l'équilibrage des charges de calcul et le faible coût des communications. Nous étudions ensuite l'implantation des modèles neuromimétiques sur des architectures numériques dédiées, nécessitant l'utilisation d'une arithmétique à virgule fixe ainsi qu'une étude des algorithmes en précision limitée. Nous donnons deux exemples d'applications mises en place au sein des Laboratoires d'Electronique Philips sur des co-processeurs L-Neuro. La dernière partie porte sur des machines dédiées aux simulations neuronales. Dans ce cadre, nous étudions l'implantation sur un ensemble de DSP, en mode pipe-line et en parallèle, des primitives matricielles de LLVML, langage de bas niveau issu du projet ESPRIT Galatea
17
Hérault, Laurent. "Réseaux de neurones récursifs pour l'optimisation combinatoire : application à la théorie des graphes et à la vision par ordinateur." Grenoble INPG, 1991. http://www.theses.fr/1991INPG0019.
Анотація:
Cette these traite de la resolution de problemes d'optimisation tres complexes (np. Complets) par le biais de l'etude des systemes complexes artificiels qui imitent les systemes physiques et qui sont simules avec des reseaux neuromimetiques. La solution optimale est identifiee a un etat fondamental d'un systeme physique. Plusieurs techniques neuronales sont presentees pour approcher la solution optimale. Elles utilisent soit l'analyse canonique, soit l'analyse microcanonique, definies en mecanique statistique. Parmi ces methodes, nous presentons l'utilisation des reseaux de hopfield analogiques, le recuit simule, l'approximation du champ moyen, le recuit en champ moyen et le recuit microcanonique. Elles sont particulierement bien adaptees aux problemes de graphes qui traitent de coupure et de connectivite, de morphisme et d'extraction de sous-graphes possedant des proprietes extremales. Dans ce cadre, les problemes de k-partitionnement de graphe, de mise en correspondance de graphes, et d'extraction de la plus grande clique sont traites. Dans la derniere partie, nous abordons le probleme de groupement perceptif en vision par ordinateur. On montre que ce probleme se ramene, par le biais de la theorie de la gestalt definie en psychologie experimentale, a un probleme d'optimisation combinatoire soluble par reseaux de neurones
18
Issartel, Yann. "Inférence sur des graphes aléatoires." Thesis, université Paris-Saclay, 2020. http://www.theses.fr/2020UPASM019.
Анотація:
Cette thèse s'inscrit dans les domaines de la statistique non-paramétrique et de la théorie statistique de l'apprentissage non-supervisé. Son objet est la compréhension et la mise en œuvre de méthodes d'estimation et de décision pour des modèles de graphes aléatoires à espace latent. Ces outils probabilistes rencontrent un succès grandissant pour la modélisation de grands réseaux dans des domaines aussi différents que la biologie, le marketing ou les sciences sociales. Dans un premier temps, nous définissons un indice identifiable de la dimension de l'espace latent puis un estimateur consistant de cet indice. Plus généralement, ces quantités identifiables et interprétables permettent de palier l'absence d'identifiabilité de l'espace latent lui-même. Dans la suite, nous introduisons le problème de `pair-matching'. En partant d'un graphe non-observé, une stratégie choisit de façon séquentielle des paires de nœuds et observe la présence/absence d'arêtes. Son objectif est de découvrir le plus grand nombre possible d'arêtes avec un budget fixé. Pour ce problème de type bandit, nous étudions les regrets optimaux dans un modèle à blocs stochastiques puis dans un graphe aléatoire géométrique. Enfin, nous estimons les positions des nœuds dans l'espace latent, dans le cas particulier où l'espace est un cercle dans le plan euclidien. Pour chacun des trois problèmes, nous obtenons des procédures optimales au sens minimax, ainsi que des procédures efficaces satisfaisant certaines garanties théoriques. Ces algorithmes sont analysés d'un point de vue non-asymptotique en s'appuyant, entre autres, sur des inégalités de concentrationThis thesis lies at the intersection of the theories of non-parametric statistics and statistical learning. Its goal is to provide an understanding of statistical problems in latent space random graphs. Latent space models have emerged as useful probabilistic tools for modeling large networks in various fields such as biology, marketing or social sciences. We first define an identifiable index of the dimension of the latent space and then a consistent estimator of this index. More generally, such identifiable and interpretable quantities alleviate the absence of identifiability of the latent space itself. We then introduce the pair-matching problem. From a non-observed graph, a strategy sequentially queries pairs of nodes and observes the presence/absence of edges. Its goal is to discover as many edges as possible with a fixed budget of queries. For this bandit type problem, we study optimal regrets in stochastic block models and random geometric graphs. Finally, we are interested in estimating the positions of the nodes in the latent space, in the particular situation where the space is a circle in the Euclidean plane. For each of the three problems, we obtain procedures that achieve the statistical optimal performance, as well as efficient procedures with theoretical guarantees. These algorithms are analysed from a non-asymptotic viewpoint, relying in particular on concentration inequalities
19
Poirier, Carl. "Assemblage d'ADN avec graphes de de Bruijn sur FPGA." Master's thesis, Université Laval, 2015. http://hdl.handle.net/20.500.11794/27132.
Анотація:
Ce mémoire est consacré à la parallélisation d'un algorithme d'assemblage d'ADN de type de novo sur différentes plateformes matérielles, soit les processeurs multicoeurs et les accélérateurs de type FPGA. Plus précisément, le langage OpenCL est utilisé pour accélérer l'algorithme dont il est question, et de permettre un comparatif direct entre les les plateformes. Cet algorithme est d'abord introduit, puis son implémentation originale, développée pour une exécution sur une grappe de noeuds, est discutée. Les modifications apportées à l'algorithme dans le but de faciliter la parallélisation sont ensuite divulgées. Ensuite, le coeur du travail est présenté, soit la programmation utilisant OpenCL. Finalement, les résultats sont présentés et discutés.
20
Lécuyer, Fabrice. "Ordonner les nœuds pour passer à l'échelle sur les grands réseaux réels." Electronic Thesis or Diss., Sorbonne université, 2023. http://www.theses.fr/2023SORUS172.
Анотація:
Cette thèse porte sur l'utilisation des outils théoriques de l'informatique pour améliorer les algorithmes dans la pratique, en particulier ceux qui traitent des données sous forme de graphes. Un graphe représente des éléments (nœuds) et leurs interactions (arêtes). L'informatique théorique a conçu des algorithmes pour des graphes arbitraires, tels que la recherche des chemins les plus courts ou l'identification des nœuds interconnectés. Cependant, les réseaux réels ont des propriétés spécifiques qui sont inconnues à l'avance en raison des situations du monde réel dont ils sont issus. Ils peuvent être très volumineux, ce qui pose un problème pour les traiter en un temps raisonnable. Pour aider à concevoir des algorithmes qui passent à l'échelle sur de gros graphes, nous nous concentrons sur la technique qui consiste à réordonner les nœuds selon un ordre spécifique qui dépend des propriétés locales ou globales du graphe. Nous classifions les différents mécanismes et méthodes qui ont été utilisés pour concevoir des ordres dans divers domaines d'application. Ensuite, nous présentons trois contributions qui utilisent l'ordre des nœuds pour rendre les algorithmes plus efficaces. Tout d'abord, nous reproduisons un article qui conçoit un ordre pour rendre les systèmes de cache plus efficaces, ce qui accélère différents algorithmes de graphes. Deuxièmement, nous créons de nouveaux ordres qui réduisent le nombre d'opérations dans un algorithme existant pour lister les triangles. Troisièmement, nous utilisons des algorithmes simples avec des ordres appropriés pour limiter la taille d'une couverture minimale par les sommets sur une instance spécifique de graphe, ce qui nous permet de certifier la qualité des résultats obtenus par des valeurs approchées. Ces résultats insistent sur les questions de passage à l'échelle, les mesures de temps, les fondements mathématiques et la validation par l'expérience. Enfin, nous présentons une collaboration sur l'analyse des réseaux qui consiste à décrire la mobilité des chercheurs et chercheuses dans l'espace de la connaissanceThis thesis focuses on using theoretical tools of computer science to improve algorithms in practice, specifically algorithms that process data in the form of graphs. A graph represents elements (nodes) and their interactions (edges). Computer scientists have designed theoretical algorithms for arbitrary graphs, such as finding shortest paths or identifying inter-connected nodes. However, real-world networks have specific properties that are unknown in advance due to the situations from which they arise. They can be very large, which presents a challenge for processing them in reasonable time. To help design scalable algorithms for real-world networks, we focus on the technique of node ordering, which consists in processing the nodes in a specific order that depends on local or global properties of the network. We provide a review on the different mechanisms and methods that have been used to design orderings across various application domains. Then, we present three contributions that use node orderings to make algorithms more efficient. First, we replicate a paper that designs an ordering to make cache systems more effective, which accelerates different graph algorithms. Second, we create new orderings that diminish the number of operations in an existing algorithm for triangle listing. Third, we use greedy algorithms with certain orderings to bound the size of a minimum vertex cover on a specific instance, which allows us to certify the quality of approximate values. These findings insist on scalability issues, time measurements, mathematical grounding and validation by experiments. Finally, we present a collaboration on network analysis that consists in describing the mobility of researchers within the space of knowledge
21
Ateme-Nguema, Barthélemy H. "Conception optimale des cellules de fabrication flexibles basée sur l'approche par réseaux de neurones." Mémoire, École de technologie supérieure, 2007. http://espace.etsmtl.ca/548/1/ATEME%2DNGUEMA_Barth%C3%A9lemy_Hugues.pdf.
Анотація:
Cette thèse propose une heuristique hybride de résolution des problèmes de formation cellulaire. Notre approche en trois étapes s'amorce par la sélection du meilleur cheminement de fabrication en mettant l'accent sur la minimisation des coûts opérationnels. La seconde phase forme les ateliers de fabrication en utilisant un réseau de neurones de type Hopfield quantifié et fluctuant jumelé à une méthode d'optimisation locale représentée par « la recherche avec les tabous ». L'ultime phase de cette heuristique fut centrée sur la réduction ou l'élimination des transferts intercellulaires par la mise en place d'un équilibre entre maintenir les transferts, dédoubler les machines permettant ces transferts et recourir à la sous-traitance. Sur la base des simulations réalisées, nous obtenons des solutions réalisables 100% du temps alors que les meilleures dispositions sont déterminées 68 fois sur 100. De plus, notre approche est, en moyenne, 22 à 30 fois plus rapide qu'un réseau de Hopfield classiques dont les neurones prennent des valeurs discrètes ou continues.
22
Werner, Thilo. "Réseaux de neurones impulsionnels basés sur les mémoires résistives pour l'analyse de données neuronales." Thesis, Université Grenoble Alpes (ComUE), 2017. http://www.theses.fr/2017GREAS028/document.
Анотація:
Le système nerveux central humain est un système de traitement de l'information stupéfiant en termes de capacités, de polyvalence, d’adaptabilité et de faible consommation d'énergie. Sa structure complexe se compose de milliards de neurones, interconnectés par plusieurs trillions de synapses, formant des grappes spécialisées. Récemment, l'imitation de ces paradigmes a suscité un intérêt croissant en raison de la nécessité d'approches informatiques avancées pour s'attaquer aux défis liés à la génération de quantités massives de données complexes dans l'ère de l’Internet des Objets (IoT). Ceci a mené à un nouveau domaine de recherche, connu sous le nom d’informatique cognitive ou d'ingénierie neuromorphique, qui repose sur les architectures dites non-von-Neumann (inspirées du cerveau) en opposition aux architectures von-Neumann (ordinateurs classiques). Dans cette thèse, nous examinons l'utilisation des technologies de mémoire résistive telles que les mémoires à accès aléatoires à base de lacunes d’oxygène (OxRAM) et les mémoires à pont conducteur (CBRAM) pour la conception de synapses artificielles, composants de base indispensables des réseaux neuromorphiques. De plus, nous développons un réseau de neurones impulsionnels artificiel (SNN), utilisant des synapses OxRAM, pour l'analyse de données impulsionnelles provenant du cerveau humain en vue du traitement de troubles neurologiques, en connectant la sortie du SNN à une interface cerveau-ordinateur (BCI). L'impact des problèmes de fiabilité, caractéristiques des OxRAMs, sur les performances du système est étudié en détail et les moyens possibles pour atténuer les pénalités liées aux incertitudes des dispositifs seuls sont démontrés. En plus de l’implémentation avec des OxRAMs et CBRAMs de la bien connue plasticité fonction du temps d’occurrence des impulsions (STDP), qui constitue une forme de plasticité à long terme (LTP), les dispositifs OxRAM ont également été utilisés pour imiter la plasticité à court terme (STP). Les fonctionnalités fondamentalement différentes de la LTP et STP sont mises en évidenceThe central nervous system of humankind is an astonishing information processing system in terms of its capabilities, versatility, adaptability and low energy consumption. Its complex structure consists of billions of neurons interconnected by trillions of synapses forming specialized clusters. Recently, mimicking those paradigms has attracted a strongly growing interest, triggered by the need for advanced computing approaches to tackle challenges related to the generation of massive amounts of complex data in the Internet of Things (IoT) era. This has led to a new research field, known as cognitive computing or neuromorphic engineering, which relies on the so-called non-von-Neumann architectures (brain-inspired) in contrary to von-Neumann architectures (conventional computers). In this thesis, we explore the use of resistive memory technologies such as oxide vacancy based random access memory (OxRAM) and conductive bridge RAM (CBRAM) for the design of artificial synapses that are a basic building block for neuromorphic networks. Moreover, we develop an artificial spiking neural network (SNN) based on OxRAM synapses dedicated to the analysis of spiking data recorded from the human brain with the goal of using the output of the SNN in a brain-computer interface (BCI) for the treatment of neurological disorders. The impact of reliability issues characteristic to OxRAM on the system performance is studied in detail and potential ways to mitigate penalties related to single device uncertainties are demonstrated. Besides the already well-known spike-timing-dependent plasticity (STDP) implementation with OxRAM and CBRAM which constitutes a form of long term plasticity (LTP), OxRAM devices were also used to mimic short term plasticity (STP). The fundamentally different functionalities of LTP and STP are put in evidence
23
Allard, Antoine. "Percolation sur graphes aléatoires - modélisation et description analytique -." Thesis, Université Laval, 2014. http://www.theses.ulaval.ca/2014/30822/30822.pdf.
Анотація:
Les graphes sont des objets mathématiques abstraits utilisés pour modéliser les interactions entre les éléments constitutifs des systèmes complexes. Cette utilisation est motivée par le fait qu’il existe un lien fondamental entre la structure de ces interactions et les propriétés macroscopiques de ces systèmes. La théorie de la percolation offre un paradigme de choix pour analyser la structure de ces graphes, et ainsi mieux comprendre les conditions dans lesquelles ces propriétés émergent. Les interactions dans une grande variété de systèmes complexes partagent plusieurs propriétés structurelles universelles, et leur incorporation dans un cadre théorique unique demeure l’un des principaux défis de l’étude des systèmes complexes. Exploitant une approche multitype, une idée toute simple mais étonnamment puissante, nous avons unifié l’ensemble des modèles de percolation sur graphes aléatoires connus en un même cadre théorique, ce qui en fait le plus général et le plus réaliste proposé à ce jour. Bien plus qu’une simple compilation, le formalisme que nous proposons augmente significativement la complexité des structures pouvant être reproduites et, de ce fait, ouvre la voie à plusieurs nouvelles avenues de recherche. Nous illustrons cette assertion notamment en utilisant notre modèle pour valider et formaliser certaines intuitions inspirées de résultats empiriques. Dans un premier temps, nous étudions comment la structure en réseau de certains systèmes complexes (ex. réseau de distribution électrique, réseau social) facilite leur surveillance, et par conséquent leur éventuel contrôle. Dans un second temps, nous explorons la possibilité d’utiliser la décomposition en couches “k-core” en tant que structure effective des graphes extraits des systèmes complexes réels. Enfin, nous utilisons notre modèle pour identifier les conditions pour lesquelles une nouvelle stratégie d’immunisation contre des maladies infectieuses est la stratégie optimale.Graphs are abstract mathematical objects used to model the interactions between the elements of complex systems. Their use is motivated by the fact that there exists a fundamental relationship between the structure of these interactions and the macroscopic properties of these systems. The structure of these graphs is analyzed within the paradigm of percolation theory whose tools and concepts contribute to a better understanding of the conditions for which these emergent properties appear. The underlying interactions of a wide variety of complex systems share many universal structural properties, and including these properties in a unified theoretical framework is one of the main challenges of the science of complex systems. Capitalizing on a multitype approach, a simple yet powerful idea, we have unified the models of percolation on random graphs published to this day in a single framework, hence yielding the most general and realistic framework to date. More than a mere compilation, this framework significantly increases the structural complexity of the graphs that can now be mathematically handled, and, as such, opens the way to many new research opportunities. We illustrate this assertion by using our framework to validate hypotheses hinted at by empirical results. First, we investigate how the network structure of some complex systems (e.g., power grids, social networks) enhances our ability to monitor them, and ultimately to control them. Second, we test the hypothesis that the “k-core” decomposition can act as an effective structure of graphs extracted from real complex systems. Third, we use our framework to identify the conditions for which a new immunization strategy against infectious diseases is optimal.
24
Comin, Carlo. "Complexité dans les Jeux Infinis sur les Graphes et les Réseaux de Contraintes Temporelles." Thesis, Paris Est, 2017. http://www.theses.fr/2017PESC1061/document.
Анотація:
Cette thèse porte sur un certain nombre de problèmes algorithmiques motivés par la planification temporelle automatisée et la vérification formelle des systèmes réactifs et finis. Nous nous sommes concentrés sur les méthodes théoriques des jeux pour obtenir de nouvelles connaissances, des limites de complexité améliorées et des algorithmes plus rapides pour les modèles suivants: réseaux temporels hyper, réseaux conditionnels Simples / Hyper temporels, jeux de mise à jour, jeux Muller McNaughton et jeux Mean PayoffThis dissertation deals with a number of algorithmic problems motivated by automated temporal planning and formal verification of reactive and finite state systems. We focused on game theoretical methods to obtain novel insights, improved complexity bounds, and faster algorithms for the following models: Hyper Temporal Networks, Conditional Simple/Hyper Temporal Networks, Update Games, Muller McNaughton Games, and Mean Payoff Games
25
Vialatte, Jean-Charles. "Convolution et apprentissage profond sur graphes." Thesis, Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire, 2018. http://www.theses.fr/2018IMTA0118/document.
Анотація:
Pour l’apprentissage automatisé de données régulières comme des images ou des signaux sonores, les réseaux convolutifs profonds s’imposent comme le modèle de deep learning le plus performant. En revanche, lorsque les jeux de données sont irréguliers (par example : réseaux de capteurs, de citations, IRMs), ces réseaux ne peuvent pas être utilisés. Dans cette thèse, nous développons une théorie algébrique permettant de définir des convolutions sur des domaines irréguliers, à l’aide d’actions de groupe (ou, plus généralement, de groupoïde) agissant sur les sommets d’un graphe, et possédant des propriétés liées aux arrêtes. A l’aide de ces convolutions, nous proposons des extensions des réseaux convolutifs à des structures de graphes. Nos recherches nous conduisent à proposer une formulation générique de la propagation entre deux couches de neurones que nous appelons la contraction neurale. De cette formule, nous dérivons plusieurs nouveaux modèles de réseaux de neurones, applicables sur des domaines irréguliers, et qui font preuve de résultats au même niveau que l’état de l’art voire meilleurs pour certainsConvolutional neural networks have proven to be the deep learning model that performs best on regularly structured datasets like images or sounds. However, they cannot be applied on datasets with an irregular structure (e.g. sensor networks, citation networks, MRIs). In this thesis, we develop an algebraic theory of convolutions on irregular domains. We construct a family of convolutions that are based on group actions (or, more generally, groupoid actions) that acts on the vertex domain and that have properties that depend on the edges. With the help of these convolutions, we propose extensions of convolutional neural netowrks to graph domains. Our researches lead us to propose a generic formulation of the propagation between layers, that we call the neural contraction. From this formulation, we derive many novel neural network models that can be applied on irregular domains. Through benchmarks and experiments, we show that they attain state-of-the-art performances, and beat them in some cases
26
Eiche, Antoine. "Ordonnancement temps réel pour architectures hétérogènes reconfigurables basé sur des structures de réseaux de neurones." Phd thesis, Université Rennes 1, 2012. http://tel.archives-ouvertes.fr/tel-00783893.
Анотація:
L' evolution constante des applications, que ce soit en complexit e ou en besoin de performances, impose le d eveloppement de nouvelles architectures. Parmi l'ensemble des architectures propos ees se d emarquent les architectures recon gurables. Ce type d'architectures o re des performances proches d'un circuit d edi e tout en proposant davantage de exibilit e. Si originellement ces architectures ne pouvaient ^etre con gur ees qu' a leur d emarrage, elles sont d esormais con gurables partiellement a tout moment. Cette fonctionnalit e, nomm ee " recon guration dynamique ", permet de multiplexer temporellement et spatialement l'ex ecution de plusieurs applications, rapprochant ainsi l'utilisation des architectures recon gurables de celle d'un processeur g en eraliste. A l'instar des ordinateurs pourvus d'un processeur g en eraliste, il s'av ere donc n ecessaire de disposer d'un syst eme d'exploitation pour architectures recon gurables. Cette th ese se focalise sur la cr eation d'ordonnanceurs destin es a ce type d'architectures. Parce que nous ciblons l'ex ecution d'applications complexes - compos ees de plusieurs t^aches dont l'ordre d'ex ecution n'est pas connu a l'avance - les algorithmes d'ordonnancement doivent ^etre ex ecut es en ligne et les solutions obtenues en des temps tr es brefs. A cette n, nous r ealisons nos algorithmes d'ordonnancement en nous basant sur des r eseaux de neurones de Hop eld. Ce type de r eseaux a et e utilis e pour r esoudre des probl emes d'optimisations (tels que des probl emes d'ordonnancement) o u il a et e constat e qu'ils produisaient des solutions rapidement. De plus, leur simplicit e de fonctionnement (peu de structures de contr^ole) permet de les impl ementer e cacement sur des architectures recon gurables de type FPGA. Le premier chapitre de ce document introduit les concepts sur lesquels sont bas es nos travaux, a savoir, les architectures recon gurables ainsi que l'ordonnancement temporel et spatial destin e a ce type d'architectures. Le second chapitre pr esente les r eseaux de neurones de Hop eld. Dans le troisi eme chapitre, nous pr esentons un ordonnanceur temporel pour architectures h et erog enes recon gurables. Le quatri eme chapitre pr esente deux ordonnanceurs spatiaux, fond es sur des hypoth eses mat erielles di erentes. Le premier, bas e sur un r eseau de Hop eld, ne requiert que des m ecanismes de recon guration simples et est donc utilisable avec les outils fournis par les fabricants. Le second, quant a lui, n ecessite des m ecanismes actuellement non fournis par les fabricants, mais permet d'exploiter plus nement l'architecture. Le dernier chapitre pr esente des travaux relatifs aux r eseaux de neurones de Hop eld, a savoir l' evaluation parall ele de neurones, ainsi que des propri et es de tol erance aux fautes de ces r eseaux.
27
Belley, Katia. "Détection de sites sécuritaires par réseaux de neurones pour un atterrissage autonome sur corps planétaire." Mémoire, Université de Sherbrooke, 2008. http://savoirs.usherbrooke.ca/handle/11143/1447.
Анотація:
Dans le cadre des futures missions d'exploration planétaire comportant un atterrissage, la sélection d'un site d'atterrissage sécuritaire en temps réel devient une technologie de plus en plus recherchée. Celle-ci permet d'augmenter les retombées scientifiques de la mission en donnant accès à des régions à plus haut potentiel scientifique. Elle permet aussi d'accroître les chances de réussite de la mission et d'augmenter la charge utile des équipements en rendant l'atterrissage plus sécuritaire. Parmi les méthodes développées pour faire la sélection d'un site d'atterrissage, celle proposée par Andrew Johnson du Jet Propulsion Laboratory pour évaluer le degré de sécurité de sites d'atterrissage à partir d'images lidar prises pendant la descente s'avère très intéressante. Il utilise une technique nommée moindres carrées médians pour calculer la pente et la rugosité des sites d'atterrissage. Cependant, le temps de calcul exigé par cette approche la rend difficile à exécuter en temps réel. Ce mémoire de maîtrise propose l'utilisation d'un système à base de RNA (réseaux de neurones artificiels) pour faire l'approximation de la méthode des moindres carrés médians. Une architecture comportant quatre RNA a été développée afin de déterminer la pente et la rugosité d'un site d'atterrissage. Trois RNA permettent d'évaluer les paramètres du plan médian afin d'estimer ces deux propriétés du terrain. Un réseau optionnel est spécialisé pour l'évaluation des sites comportant une grande rugosité. Des modules de prétraitement et post-traitement des données sont utilisés pour améliorer la performance des réseaux de neurones et des modules d'arbitrage servent à déterminer les deux sorties du système. Une solution est aussi proposée pour présélectionner une zone d'atterrissage sécuritaire afin de réduire le nombre de sites individuels à évaluer. Plusieurs types de réseaux de neurones ont été comparés pour résoudre la problématique. Des lignes directrices ont été établies permettant de choisir les réseaux de neurones les plus efficaces pour chacun des modules en fonction du temps de calcul disponible. Le système développé permet de diminuer considérablement le temps de calcul requis pour résoudre la problématique. De plus, la solution proposée peut facilement être adaptée en fonction des objectifs de la mission spatiale.
28
Paugam-Moisy, Hélène. "Optimisation des réseaux de neurones artificiels : analyse et mises en œuvre sur ordinateurs massivement parallèles." Lyon 1, 1992. http://www.theses.fr/1992LYO10018.
Анотація:
Nos travaux se rapportent a deux themes en plein essor: les reseaux de neurones artificiels, et les ordinateurs massivement paralleles. Le fil conducteur est l'optimisation des modeles connexionnistes, et plus specialement des reseaux multicouches. Apres avoir etudie les modeles classiques et leurs implantations, nous cherchons, dans un cadre theorique, a optimiser l'architecture des perceptrons multicouches. Nous analysons leur puissance de realisation, en termes de nombre de couches et de cellules cachees, et nous cherchons a construire des reseaux minimaux. Plus concretement, nous construisons ensuite un outil de recherche automatique de bons parametres, pour une application donnee. Son principe est fonde sur l'observation de reseaux qui apprennent en parallele. Cet outil est implante sur un multiprocesseur mimd et permet de dresser des cartes de performances, ainsi que de selectionner des reseaux optimaux. Plusieurs experiences ont ete menees, sur des applications industrielles. L'acceleration de l'apprentissage et de la reconnaissance est un autre moyen d'optimiser les reseaux neuronaux. Nous avons implante et modelise des parallelisations de ces deux phases. L'impact de la parallelisation sur l'algorithme de retro-propagation est mis en valeur. Des lois experimentales sont etablies pour l'algorithme du gradient par blocs
29
Vidal, Martin. "Architecture systolique pour un algorithme basé sur les réseaux de neurones pour l'égalisation de canaux." Thèse, Université du Québec à Trois-Rivières, 1999. http://depot-e.uqtr.ca/3409/1/000662425.pdf.
30
Tremblay, Nicolas. "Réseaux et signal : des outils de traitement du signal pour l'analyse des réseaux." Thesis, Lyon, École normale supérieure, 2014. http://www.theses.fr/2014ENSL0938/document.
Анотація:
Cette thèse propose de nouveaux outils adaptés à l'analyse des réseaux : sociaux, de transport, de neurones, de protéines, de télécommunications... Ces réseaux, avec l'essor de certaines technologies électroniques, informatiques et mobiles, sont de plus en plus mesurables et mesurés ; la demande d'outils d'analyse assez génériques pour s'appliquer à ces réseaux de natures différentes, assez puissants pour gérer leur grande taille et assez pertinents pour en extraire l'information utile, augmente en conséquence. Pour répondre à cette demande, une grande communauté de chercheurs de différents horizons scientifiques concentre ses efforts sur l'analyse des graphes, des outils mathématiques modélisant la structure relationnelle des objets d'un réseau. Parmi les directions de recherche envisagées, le traitement du signal sur graphe apporte un éclairage prometteur sur la question : le signal n'est plus défini comme en traitement du signal classique sur une topologie régulière à n dimensions, mais sur une topologie particulière définie par le graphe. Appliquer ces idées nouvelles aux problématiques concrètes d'analyse d'un réseau, c'est ouvrir la voie à une analyse solidement fondée sur la théorie du signal. C'est précisément autour de cette frontière entre traitement du signal et science des réseaux que s'articule cette thèse, comme l'illustrent ses deux principales contributions. D'abord, une version multiéchelle de détection de communautés dans un réseau est introduite, basée sur la définition récente des ondelettes sur graphe. Puis, inspirée du concept classique de bootstrap, une méthode de rééchantillonnage de graphes est proposée à des fins d'estimation statistiqueThis thesis describes new tools specifically designed for the analysis of networks such as social, transportation, neuronal, protein, communication networks... These networks, along with the rapid expansion of electronic, IT and mobile technologies are increasingly monitored and measured. Adapted tools of analysis are therefore very much in demand, which need to be universal, powerful, and precise enough to be able to extract useful information from very different possibly large networks. To this end, a large community of researchers from various disciplines have concentrated their efforts on the analysis of graphs, well define mathematical tools modeling the interconnected structure of networks. Among all the considered directions of research, graph signal processing brings a new and promising vision : a signal is no longer defined on a regular n-dimensional topology, but on a particular topology defined by the graph. To apply these new ideas on the practical problems of network analysis paves the way to an analysis firmly rooted in signal processing theory. It is precisely this frontier between signal processing and network science that we explore throughout this thesis, as shown by two of its major contributions. Firstly, a multiscale version of community detection in networks is proposed, based on the recent definition of graph wavelets. Then, a network-adapted bootstrap method is introduced, that enables statistical estimation based on carefully designed graph resampling schemes
31
Hafidi, Hakim. "Robust machine learning for Graphs/Networks." Electronic Thesis or Diss., Institut polytechnique de Paris, 2023. http://www.theses.fr/2023IPPAT004.
Анотація:
Cette thèse aborde les progrès de l’apprentissage des représentation des nœuds d’ungraphe, en se concentrant sur les défis et les opportunités présentées par les réseaux de neuronespour graphe (GNN). Elle met en évidence l’importance des graphes dans la représentation dessystèmes complexes et la nécessité d’apprendre des représentations de nœuds qui capturent à la fois les caractéristiques des nœuds et la structure des graphes. L’ étude identifie les problèmes clés des réseaux de neurones pour graphe, tels que leur dépendance à l’ ´égard de données étiquetées de haute qualité, l’incohérence des performances dansdivers ensembles de données et la vulnérabilité auxattaques adverses.Pour relever ces défis, la thèse introduit plusieursapproches innovantes. Tout d’abord, elle utilise l’apprentissage contrastif pour la représentation des nœuds, permettant un apprentissage auto-supervisé qui réduit la dépendance aux données étiquetées.Deuxièmement, un classificateur bayésien est proposé pour la classification des nœuds, qui prenden compte la structure du graphe pour améliorer la précision. Enfin, la thèse aborde la vulnérabilité des GNN aux attaques adversariaux en évaluant la robustesse du classificateur proposé et en introduisant des mécanismes de défense efficaces. Ces contributionsvisent à améliorer à la fois la performance et la résilience des GNN dans l’apprentissage de lareprésentation des nœudsThis thesis addresses advancements in graph representation learning, focusing on the challengesand opportunities presented by Graph Neural Networks (GNNs). It highlights the significanceof graphs in representing complex systems and the necessity of learning node embeddings that capture both node features and graph structure. The study identifies key issues in GNNs, such as their dependence on high-quality labeled data, inconsistent performanceacross various datasets, and susceptibility to adversarial attacks.To tackle these challenges, the thesis introduces several innovative approaches. Firstly, it employs contrastive learning for node representation, enabling self-supervised learning that reduces reliance on labeled data. Secondly, a Bayesian-based classifier isproposed for node classification, which considers the graph’s structure to enhance accuracy. Lastly, the thesis addresses the vulnerability of GNNs to adversarialattacks by assessing the robustness of the proposed classifier and introducing effective defense mechanisms.These contributions aim to improve both the performance and resilience of GNNs in graph representation learning
32
Galerne, Pascal. "Détection et classification de cibles posées sur le fond marin par réseaux de neurones en imagerie sonar." Brest, 1998. http://www.theses.fr/1998BRES2022.
Анотація:
Le sonar est largement utilise dans le domaine militaire pour localiser les mines sous-marines. L’acquisition d'images permet à des operateurs d'examiner les fonds avant le passage d'un bâtiment par exemple. Toutefois, cette tache est très délicate en raison de la présence d'un important bruit de spécule sur les images sonar. Notre travail consiste à développer un système d'aide à la décision offrant une image simplifiée de la scène et une pré-classification des objets détectes. La difficulté pour modéliser un tel problème nous a conduits à développer des méthodes originales de traitement d'image utilisant les réseaux de neurones. Ces techniques nécessitent la construction d'une base d'apprentissage contenant un grand nombre d'exemples. Pour pallier le manque de données réelles propre a l'application, nous avons tout d'abord développe un algorithme de synthèse d'images simulant la propagation de l'onde acoustique. Par ailleurs, la reconnaissance d'une cible sur une image sonar est possible par l'étude de la forme de son ombre portée qui résulte de l'absence de signal rétrodiffuse derrière l'objet. L’image est alors segmentée en deux classes : ombre et réverbération. Cette segmentation est réalisée par un réseau de neurones de type Kohonen associe a une procédure d'estimation (ECI) de la proportion d'ombre dans l'image. Un apprentissage non supervise réalise a partir des pixels de l'image permet a un petit nombre de neurones de se spécialiser pour détecter les pixels de la classe ombre. Les tests montrent que la méthode est fiable et conduit à des résultats tout a fait comparables à une segmentation markovienne. L’étape suivante consiste à construire, a partir des images segmentées, une base de données pour l'apprentissage du classifier neuronal perceptron multicouche. Chaque ombre est alors caractérisée par un vecteur constitue de descripteurs de Fourier et de paramètres spécifiques qui détectent les régularités du contour. Pour compléter ce travail, nous montrons que malgré les modestes dimensions de la base d'apprentissage, il est possible d'améliorer les taux de reconnaissance, en particulier sur les images inconnues, par l'élimination des poids les moins significatifs. Ainsi, âpres une analyse de la méthode d'élagage optimal borain damage, nous proposons une variante qui réalise une sélection plus rigoureuse des poids à éliminer.
33
Dumas, Maxime. "AlertWheel visualisation radiale de graphes bipartis appliquée aux systèmes de détection d'intrusions sur des réseaux informatiques." Mémoire, École de technologie supérieure, 2011. http://espace.etsmtl.ca/959/1/DUMAS_Maxime.pdf.
Анотація:
Les systèmes de détection d’intrusions (IDS) sont couramment employés pour détecter des
attaques sur des réseaux informatiques. Ces appareils analysent le trafic entrant et sortant à la
recherche d’anomalies ou d’activités suspectes. Malheureusement, ces appareils génèrent une
quantité importante de bruit (ex. : faux positifs, alertes redondantes, etc.), complexifiant
grandement l’analyse des données.
Ce mémoire présente AlertWheel, une nouvelle application logicielle visant à faciliter
l’analyse des alertes sur des grands réseaux. L’application intègre une visualisation radiale
affichant simultanément plusieurs milliers d’alertes et permettant de percevoir rapidement les
patrons d’attaques importants. AlertWheel propose, entre autres, une nouvelle façon de
représenter un graphe biparti. Les liens sont conçus et positionnés de façon à réduire
l’occlusion sur le graphique. Contrairement aux travaux antérieurs, AlertWheel combine
l’utilisation simultanée de trois techniques de regroupement des liens afin d’améliorer la
lisibilité sur la représentation. L’application intègre également des fonctionnalités de filtrage,
d’annotation, de journalisation et de « détails sur demande », de façon à supporter les
processus d’analyse des spécialistes en sécurité informatique.
L’application se décompose essentiellement en trois niveaux : vue globale (roue), vue
intermédiaire (matrice d’alertes) et vue détails (une seule alerte). L’application supporte
plusieurs combinaisons et dispositions de vues, de façon à s’adapter facilement à la plupart
des types d’analyse.
AlertWheel a été développé principalement dans le but d’étudier le trafic sur des pots de miel
(honeypots). Dans la mesure où tout le trafic sur un honeypot est nécessairement malveillant,
ces derniers permettent d’isoler plus facilement les attaques.
AlertWheel a été évalué à partir de données provenant du réseau international de honeypots
WOMBAT. Grâce à l’application, il a été possible d’isoler rapidement des attaques concrètes
et de cibler des patrons d’attaques globaux.
34
Guyot, Dimitri. "Evaluation sur modèle de simulation thermique dynamique calibré des performances d’un contrôleur prédictif basé sur l’utilisation de réseaux de neurones." Thesis, Paris, HESAM, 2020. http://www.theses.fr/2020HESAC022.
Анотація:
Le développement des techniques d’apprentissage automatique, et plus particulièrement des réseaux de neurones, associé à celui des nouvelles technologies de l’information et de la communication, bouleverse nos sociétés à travers des avancées technologiques dans une variété de secteurs d’activité. Le secteur du bâtiment n’est pas épargné, si bien que ces techniques peuvent constituer une opportunité intéressante dans un contexte où les émissions de gaz à effet de serre doivent être drastiquement réduites. L’objectif de ces travaux est d’évaluer l’intérêt de ces techniques appliquées à l’énergétique du bâtiment, dans une optique de réduction des consommations énergétiques et d’amélioration du confort thermique. Nous veillons par ailleurs à garder lors de cette évaluation une vision globale, en plaçant les éventuels avantages en face des différents besoins relatifs au développement de ces technologies. Ce travail de thèse s’organise en trois parties précédées d’une introduction détaillée visant à donner au lecteur une vue d’ensemble des différents éléments de contexte, permettant ainsi la mise en perspective du travail de thèse. Nous donnons ensuite dans la première partie le cadre théorique nécessaire à la compréhension des problématiques rencontrées lors de l’élaboration et de la création des réseaux de neurones pour des applications à l’énergétique du bâtiment. Dans un second temps, une étude bibliographique donnant au lecteur un large aperçu des diverses applications des réseaux de neurones au domaine de l’énergétique du bâtiment est présentée. La seconde partie est consacrée à la calibration du modèle de bâtiment utilisé ensuite pour tester et évaluer un contrôleur prédictif mettant en œuvre des réseaux de neurones. Après une explication de la méthode utilisée puis une présentation détaillée du modèle, une analyse complète des résultats de calibration est menée. Nous terminons cette partie par des observations et recommandations concernant les méthodes classiques de calibration préconisées par différents organismes internationaux. Enfin, une application concrète mettant en œuvre des réseaux de neurones pour le contrôle prédictif de la température intérieure est présentée au cours de la troisième partie. Après un point théorique concernant le contrôle prédictif, nous détaillons la méthode développée pour l’entraînement des réseaux de neurones utilisés. Les résultats obtenus en simulation avec un contrôleur prédictif sont ensuite analysés et comparés à ceux obtenus en présence de deux contrôleurs de référence pour diverses hypothèses de simulation. Le contrôleur prédictif est ainsi testé dans plusieurs cas de figures, allant d’une situation idéale à des conditions de fonctionnement plus réalistes, en passant par deux types d’émetteurs de chaleur différents, à savoir des plafonds rayonnants et un plancher chauffantThe development of machine learning techniques, particularly neural networks, combined with the development of new information and communication technologies, is shaking up our societies through technological advances in a variety of sectors. The building sector is not spared, so these techniques may represent an interesting opportunity in a context where greenhouse gas emissions must be drastically reduced. The objective of this work is to assess the interest of these techniques in the field of building energy, with the aim of reducing energy consumption and improving thermal comfort. In addition, we ensure that this evaluation is carried out with a global vision, by placing the possible advantages in front of the different needs relating to the development of these technologies. This thesis work is organized in three parts preceded by a detailed introduction intended to give the reader an overview of the various contextual elements, thus allowing the thesis work to be placed in perspective. We then give in the first part the theoretical framework needed to understand the problems encountered during the elaboration and creation of neural networks for building energy applications. Then, a bibliographical study giving the reader a broad overview of the various applications of neural networks in the field of building energy is presented. The second part is devoted to the calibration of the building model that is then used to test and evaluate a predictive controller implementing neural networks. After an explanation of the method used and a detailed presentation of the model, a complete analysis of the calibration results is carried out. We conclude this part with observations and recommendations regarding the standard calibration guidelines recommended by three international organizations. Finally, a practical application using neural networks for the predictive control of indoor temperature is presented in the third part. After a theoretical introduction concerning predictive control, we detail the method employed to train the neural networks used. The results obtained in simulation with a predictive controller are then analyzed and compared with those obtained with two reference controllers for various simulation hypothesis. The predictive controller is thus tested in several scenarios, ranging from an ideal situation to more realistic operating conditions, including two different types of heat emitters, namely radiant ceilings and underfloor heating
35
Abadi, Mehdi. "Réalisation d'un réseau de neurones "SOM" sur une architecture matérielle adaptable et extensible à base de réseaux sur puce "NoC"." Thesis, Université de Lorraine, 2018. http://www.theses.fr/2018LORR0068/document.
Анотація:
Depuis son introduction en 1982, la carte auto-organisatrice de Kohonen (Self-Organizing Map : SOM) a prouvé ses capacités de classification et visualisation des données multidimensionnelles dans différents domaines d’application. Les implémentations matérielles de la carte SOM, en exploitant le taux de parallélisme élevé de l’algorithme de Kohonen, permettent d’augmenter les performances de ce modèle neuronal souvent au détriment de la flexibilité. D’autre part, la flexibilité est offerte par les implémentations logicielles qui quant à elles ne sont pas adaptées pour les applications temps réel à cause de leurs performances temporelles limitées. Dans cette thèse nous avons proposé une architecture matérielle distribuée, adaptable, flexible et extensible de la carte SOM à base de NoC dédiée pour une implantation matérielle sur FPGA. A base de cette approche, nous avons également proposé une architecture matérielle innovante d’une carte SOM à structure croissante au cours de la phase d’apprentissageSince its introduction in 1982, Kohonen’s Self-Organizing Map (SOM) showed its ability to classify and visualize multidimensional data in various application fields. Hardware implementations of SOM, by exploiting the inherent parallelism of the Kohonen algorithm, allow to increase the overall performances of this neuronal network, often at the expense of the flexibility. On the other hand, the flexibility is offered by software implementations which on their side are not suited for real-time applications due to the limited time performances. In this thesis we proposed a distributed, adaptable, flexible and scalable hardware architecture of SOM based on Network-on-Chip (NoC) designed for FPGA implementation. Moreover, based on this approach we also proposed a novel hardware architecture of a growing SOM able to evolve its own structure during the learning phase
36
Abadi, Mehdi. "Réalisation d'un réseau de neurones "SOM" sur une architecture matérielle adaptable et extensible à base de réseaux sur puce "NoC"." Electronic Thesis or Diss., Université de Lorraine, 2018. http://www.theses.fr/2018LORR0068.
Анотація:
Depuis son introduction en 1982, la carte auto-organisatrice de Kohonen (Self-Organizing Map : SOM) a prouvé ses capacités de classification et visualisation des données multidimensionnelles dans différents domaines d’application. Les implémentations matérielles de la carte SOM, en exploitant le taux de parallélisme élevé de l’algorithme de Kohonen, permettent d’augmenter les performances de ce modèle neuronal souvent au détriment de la flexibilité. D’autre part, la flexibilité est offerte par les implémentations logicielles qui quant à elles ne sont pas adaptées pour les applications temps réel à cause de leurs performances temporelles limitées. Dans cette thèse nous avons proposé une architecture matérielle distribuée, adaptable, flexible et extensible de la carte SOM à base de NoC dédiée pour une implantation matérielle sur FPGA. A base de cette approche, nous avons également proposé une architecture matérielle innovante d’une carte SOM à structure croissante au cours de la phase d’apprentissageSince its introduction in 1982, Kohonen’s Self-Organizing Map (SOM) showed its ability to classify and visualize multidimensional data in various application fields. Hardware implementations of SOM, by exploiting the inherent parallelism of the Kohonen algorithm, allow to increase the overall performances of this neuronal network, often at the expense of the flexibility. On the other hand, the flexibility is offered by software implementations which on their side are not suited for real-time applications due to the limited time performances. In this thesis we proposed a distributed, adaptable, flexible and scalable hardware architecture of SOM based on Network-on-Chip (NoC) designed for FPGA implementation. Moreover, based on this approach we also proposed a novel hardware architecture of a growing SOM able to evolve its own structure during the learning phase
37
Benasser, Ahmer. "L'accessibilité dans les réseaux de Pétri : une approche basée sur la programmation par contraintes." Lille 1, 2000. https://pepite-depot.univ-lille.fr/RESTREINT/Th_Num/2000/50376-2000-65.pdf.
Анотація:
Le problème de l'accessibilité est d'un grand intérêt théorique. En effet, plusieurs problèmes relatifs à l'analyse des réseaux de Pétri peuvent être formulés en terme d'accessibilité. L'exploration du graphe d'accessibilité n'est pas une méthode de résolution satisfaisante du fait de l'explosion combinatoire. La notion de marquage partiel, permet de réduire cet explosion combinatoire. Les marquages partiels sont des marquages dont les composantes contiennent des variables contraintes. Ainsi, un marquage partiel représente un ensemble de marquages obtenus en instanciant les variables tout en respectant la contrainte qui les lie. De la même facon, un step partiel est un step non-clos et dénote ainsi un ensemble de steps. Le tir d'un step partiel à partir d'un marquage partiel capture le tir de n'importe quel step à partir d'un marquage quelconque représente par le marquage partiel. Nous montrons que la recherche de l'accessibilité d'un marquage peut être réduit à une recherche d'un marquage donné dans une séquence de marquages partielsLa complexité de l'exploration du graphe d'accessibilité est alors repoussée au niveau de la résolution de contraintes : la propagation des contraintes nous interdit d'explorer les branches qui correspondent à des séquences de steps qui ne mènent pas au marquage final désiré. Pour résoudre les problèmes d'ordonnancement, il est nécessaire d'introduire l'aspect temporel. Nous définissons un modèle de réseau de Pétri temporisé et autonome. A chaque marquage, nous associons une date pour chacune des places. Cette date correspond à la date de création du dernier jeton dans cette place. Ainsi, le temps n'est pas contrôlée par une horloge externe. Ce sont les tirs des transitions qui font varier localement au niveau des places le temps. L'algorithme d'accessibilité peut alors être adapté pour ce type de réseau. Nous obtenons alors des séquences de tirs dates qui peuvent etre interprétés comme des ordonnancements réalisables
38
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.
Анотація:
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)
39
Le, Gal Jean-Patrick. "Coordination locomotion-respiration : influences des réseaux locomoteurs cervico-lombaires sur l'activité des neurones respiratoires spinaux et bulbaires." Thesis, Bordeaux 2, 2013. http://www.theses.fr/2013BOR22089/document.
Анотація:
Le système nerveux central possède des réseaux de neurones capables de générer des commandes motrices rythmiques en l'absence d'informations sensorielles. Ces réseaux neuronaux sont communément appelés générateurs centraux de patron (CPG, central pattern generator) et sont impliqués dans plusieurs fonctions et comportements vitaux tels que la locomotion et la respiration. Dans certaines circonstances, ces réseaux neuronaux se doivent d'interagir afin de produire un comportement moteur adapté aux contraintes environnementales ainsi qu'aux exigences de l'organisme. C'est notamment le cas lors d'un effort physique où une augmentation du rythme respiratoire est rapidement observée pour subvenir aux besoins en oxygène de l'organisme. Dans ce contexte de neurosciences intégratives, mon travail doctoral a porté sur l'étude des mécanismes neurogènes responsables de l'interaction entre les CPG respiratoires du tronc cérébral et les CPG locomoteurs de la moelle épinière. Cette étude a été réalisée sur des préparations de tronc cérébral-moelle épinière isolée in vitro de rat nouveau-né (P0 à P2) au sein desquelles les centres respiratoires et locomoteurs sont conservés intacts. Par des approches électrophysiologique, pharmacologique, lésionnelle et neuroanatomique, les mécanismes de coordination entre ces sous-groupes neuronaux ont été étudiés. Dans ce contexte, un des principaux résultats de ce travail doctoral est la mise en évidence de l'existence d'une influence ascendante excitatrice issues des CPG locomoteurs spinaux sur les centres respiratoires, et plus particulièrement sur le groupe respiratoire parafacial, structure située dans le bulbe rachidien et impliquée dans la genèse de la commande respiratoire. Outre son implication dans la modulation du rythme respiratoire, cette influence ascendante module également l'activité des populations neuronales expiratoires des régions spinales thoraciques et lombaires. Ces données constituent la première mise en évidence de l'existence de neurones bi-fonctionnels au sein de la moelle-épinière chez le rat nouveau-néThe central nervous system contains neural networks that can generate rhythmic motor drive in absence of sensory feedback. These neural networks are commonly called central pattern generators (CPG) and are involved in many vital functions and behaviors, such as locomotion or respiration. In certain circumstances, these neural networks must interact to produce motor behaviors adapted to environmental constraints and the basic needs of organism. This is the case during physical exercise when the respiratory frequency increases in order to satisfy the oxygen needs. In a context of integrative neurosciences, my doctoral work aimed at exploring the neurogenic mechanisms involved in the coordination between the medullary respiratory networks and the spinal locomotor CPG. To address this question, we used an isolated in vitro brain stem-spinal cord preparations from neonatal rats (0-2 days) in which the respiratory and the locomotor networks are kept intact. Using electrophysiological, pharmacological, lesional and neuroanatomical approaches, mechanisms involved in the coordination between locomotor and respiratory rhythms have been studied. The major finding of this doctoral work is the identification of an ascending excitatory influence from spinal locomotor CPG to the respiratory networks, acting particularly on the parafacial respiratory group, which is known to be engaged in the genesis of expiratory activity. In addition to the respiratory frequency modulation, this ascending influence also modulates the activity of spinal expiratory neurons located in lumbar and thoracic segments. These data provide the first evidence for the existence of bi-functional neurons in newborn rat spinal cord
40
Lachaud, Guillaume. "Extensions and Applications of Graph Neural Networks." Electronic Thesis or Diss., Sorbonne université, 2023. http://www.theses.fr/2023SORUS434.
Анотація:
Les graphes sont utilisés partout pour représenter les interactions, qu'elles soient physiques comme entre les atomes, les molécules ou les humains, ou plus abstraites comme les villes, les amitiés, les idées, etc. Parmi toutes les méthodes d'apprentissage automatique qui peuvent être utilisées, les dernières avancées en apprentissage profond font des réseaux de neurones de graphes la référence de l'apprentissage de représentation des graphes. Cette thèse se divise en deux parties. Dans un premier temps, nous faisons un état de l'art des fondations mathématiques des réseaux de neurones de graphes les plus puissants. Dans un second temps, nous explorons les défis auxquels sont confrontés ces modèles quand ils sont entraînés sur des jeux de données réels. La puissance d'un réseau de neurones est définie par rapport à son expressivité, c'est-à-dire sa capacité à distinguer deux graphes non isomorphes ; ou, de manière équivalente, sa capacité à approximer les fonctions qui sont invariantes ou équivariantes par rapport aux permutations. Nous discernons deux grandes familles de modèles expressifs. Nous présentons leurs propriétés mathématiques ainsi que les avantages et les inconvénients de ces modèles lors d'applications pratiques. En parallèle du choix de l'architecture, la qualité de la donnée joue un rôle crucial dans la capacité d'un modèle à apprendre des représentations utiles. Les réseaux de neurones de graphes sont confrontés à des problèmes spécifiques aux graphes. À l'inverse des modèles développés pour les données tabulaires, les réseaux de neurones de graphes doivent prendre en compte aussi bien les attributs des nœuds que leur interdépendance. À cause de ces liens, l'apprentissage d'un réseau de neurones sur des graphes peut se faire de deux manières : en apprentissage transductif, où le modèle a accès aux attributs des données de test pendant l'entraînement ; en apprentissage inductif, où les données de test restent cachées. Nous étudions les différences en termes de performance entre l'apprentissage transductif et inductif pour la classification de nœuds. De plus, les attributs des nœuds peuvent être bruités ou manquants. Dans cette thèse, nous évaluons ces défis sur des jeux de données réels, et nous proposons une nouvelle architecture de réseau de neurones de graphes pour imputer les attributs manquants des nœuds d'un graphe. Enfin, si les graphes sont le moyen privilégié de décrire les interactions, d'autres types de données peuvent aussi bénéficier d'une conversion sous forme de graphes. Dans cette thèse, nous effectuons un travail préliminaire sur l'extraction des parties les plus importantes d'images de lésions de la peau. Ces patches pourraient être utilisés pour créer des graphes et découvrir des relations latentes dans la donnéeGraphs are used everywhere to represent interactions between entities, whether physical such as atoms, molecules or people, or more abstract such as cities, friendships, ideas, etc. Amongst all the methods of machine learning that can be used, the recent advances in deep learning have made graph neural networks the de facto standard for graph representation learning. This thesis can be divided in two parts. First, we review the theoretical underpinnings of the most powerful graph neural networks. Second, we explore the challenges faced by the existing models when training on real world graph data. The powerfulness of a graph neural network is defined in terms of its expressiveness, i.e., its ability to distinguish non isomorphic graphs; or, in an equivalent manner, its ability to approximate permutation invariant and equivariant functions. We distinguish two broad families of the most powerful models. We summarise the mathematical properties as well as the advantages and disadvantages of these models in practical situations. Apart from the choice of the architecture, the quality of the graph data plays a crucial role in the ability to learn useful representations. Several challenges are faced by graph neural networks given the intrinsic nature of graph data. In contrast to typical machine learning methods that deal with tabular data, graph neural networks need to consider not only the features of the nodes but also the interconnectedness between them. Due to the connections between nodes, training neural networks on graphs can be done in two settings: in transductive learning, the model can have access to the test features in the training phase; in the inductive setting, the test data remains unseen. We study the differences in terms of performance between inductive and transductive learning for the node classification task. Additionally, the features that are fed to a model can be noisy or even missing. In this thesis we evaluate these challenges on real world datasets, and we propose a novel architecture to perform missing data imputation on graphs. Finally, while graphs can be the natural way to describe interactions, other types of data can benefit from being converted into graphs. In this thesis, we perform preliminary work on how to extract the most important parts of skin lesion images that could be used to create graphs and learn hidden relations in the data
41
Bugnicourt, Ghislain. "Adhésion, croissance et polarisation de neurones sur substrats micro-et nano-structurés." Phd thesis, Université de Grenoble, 2011. http://tel.archives-ouvertes.fr/tel-00665074.
Анотація:
Cette thèse s'intéresse au développement neuronal in vitro dans le but ultime d'enregistrer l'activité de réseaux de neurones à géométrie et connectivité contrôlées. Le développement neuronal est régi par un ensemble de régulations, intrinsèques mais également sous contrôle de facteurs extérieurs, qui permettent à la cellule d'adhérer à un substrat, de croître, et de se polariser. Une partie de ce travail de thèse explore deux types de contraintes physiques de l'environnement que sont la géométrie d'adhésion et la rugosité de surface. La première révèle l'implication des forces dans les stades précoces de développement neuronal régis par un phénomène de compétition neuritique, et permet in fine de contrôler la direction d'émission de l'axone, notamment par une inhibition de sa différenciation sur lignes ondulées. La seconde montre que la distribution des points d'adhésion peut accélérer la croissance jusqu'à favoriser la polarisation axonale. L'autre partie de ce travail s'attache à résoudre le problème technologique majeur qu'est le remplissage des sites d'adhésion par le biais d'une attraction magnétique, et démontre la possibilité de faire croître des réseaux neuronaux modèles sur nanotransistors.
42
Belblidia, Nadjet. "Capacité des réseaux opportunistes : caractérisation et impact sur la dissémination de contenus volumineux." Paris 6, 2012. http://www.theses.fr/2012PA066064.
Анотація:
Une hypothèse largement admise dans les réseaux mobiles à connectivité intermittente (ou réseaux opportunistes) est que toute opportunité de communication est suffisante pour transférer la quantité de données nécessaire. Même si cette hypothèse est raisonnable lors d'une étude analytique ou lorsque le contenu est peu volumineux, elle est difficilement vérifiable lorsque les utilisateurs génèrent des contenus dont la taille dépasse la capacité des contacts. Dans la première partie de cette thèse, nous proposons et évaluons l'indicateur de proximité comme métrique permettant d'exhiber la dimension spatiale des contacts dans les réseaux opportunistes. Les résultats obtenus dans cette première partie montrent que la capacité des contacts dans les réseaux opportunistes est limitée. Dans une telle situation, les solutions de partage de contenus doivent être reformulées pour permettre l'échange de contenus volumineux. Une solution est de diviser le contenu en plusieurs fragments et de les envoyer séparément. La question principale concerne la sélection des pièces à transmettre lorsque deux nœuds entrent en contact. Nous présentons et évaluons PACS, un algorithme distribué qui sélectionne les pièces à transférer en se basant sur une vision égocentrique de leurs popularités. Pour conclure, nous présentons quelques résultats expérimentaux obtenus en utilisant PePiT, une application Android basée sur PACS pour la dissémination de contenus multimédia entre téléphones Android en mode ad hoc. Nous faisons ensuite un pas de plus dans l'étude de la dissémination de contenus volumineux dans les réseaux opportunistes en nous intéressant à la sélection inter-contenu. Nous proposons EPICS, une solution distribuée basée sur la théorie relationnelle « grey » qui permet appliquer une politique de dissémination préalablement définie. Dans notre étude, nous utilisons EPICS pour réduire la variabilité des délais de dissémination causée par la sélection aléatoire uniformeA common assumption in intermittently-connected (or opportunistic) mobile networks is that any contact has enough capacity to transfer any amount of data. Although such an assumption is reasonable for analytical purposes and when contents are small, it does not hold anymore when users produce contents that are larger than the contact capacity. In the first part of this thesis, we define and evaluate the surround indicator as a metric to exhibit a contact's surrounding environment in opportunistic networks. Whereas communication opportunities are limited in terms of both duration and surrounding environment, users conversely generate, consume, and share contents that are becoming increasingly larger. In such a situation, content-sharing solutions must be reformulated to enable exchanging large contents. Users must slice data and send fragments separately, which leads to a better use of short-lived contacts and promotes progressive dissemination of large contents. The main question here is to design the best strategy for deciding which piece(s) to transmit whenever nodes meet. We present the design and evaluation of PACS, a completely distributed algorithm that selects pieces to transfer based on a local view of their popularity. Finally, we present some experimental results obtained using PePiT, an Android application based on PACS that enables the dissemination of multimedia files among collocated Android devices in ad hoc mode. Then, we go one step further in the investigation of large content dissemination challenges in opportunistic networks. We argue that uniform random inter-content selection may not be sufficient in real-world deployment. We propose EPICS, a distributed strategy that enables fulfilling dissemination policy objectives. EPICS is based on the grey relational analysis to weight content selection. In our study, we use EPICS to reduce the dissemination delay variability due to the uniform random inter-content selection
43
Hagenbach, Jeanne. "Communication stratégique et réseaux." Phd thesis, Université Panthéon-Sorbonne - Paris I, 2009. http://tel.archives-ouvertes.fr/tel-00450632.
Анотація:
Depuis une dizaine d'années, l'étude des réseaux est une branche très active de la recherche en économie. Il est désormais largement admis que ceux-ci jouent un rôle central dans la transmission décentralisée des informations entre les individus. Les informations communiquées par ces derniers concernent aussi bien les opportunités d'emplois que l'état du marché dans lequel une équipe de travailleurs évolue. Cette thèse propose une nouvelle approche du lien entre la manière dont les agents transmettent stratégiquement leurs informations privées et la structure du réseau dont ils font partie. La théorie des jeux non coopérative a été appliquée à l'étude des réseaux sociaux et économiques dans les deux branches suivantes: d'une part, les Jeux en Réseaux considèrent que les joueurs sont les membres d'un réseau donné et analysent la manière dont les comportements stratégiques et les résultats économiques sont influencés par l'architecture de ce réseau ; d'autre part, les Jeux de Formation de Réseaux modélisent la construction stratégique des connections entre les individus. Ce travail apporte une contribution µa ces deux domaines de recherche. Dans la première partie de ma thèse, que forme le Chapitre 1 intitulé Centralisation des Informations dans les Réseaux, les joueurs appartiennent à un réseau qui affectent leur manière de transmettre leurs informations. Dans la seconde partie, constituée des Chapitres 2 et 3 et intitulée Réseaux de Communication Stratégique, la structure des liens entre les agents découle de leur communication stratégique.
44
Hachi, Ryma. "Explorer l'effet de la morphologie des réseaux viaires sur leurs conditions d'accessibilité : une approche empirique fondée sur la théorie des graphes." Thesis, Paris 1, 2020. http://www.theses.fr/2020PA01H072.
Анотація:
Cette thèse vise à explorer la relation entre la morphologie des réseaux viaires et l’accessibilité qui s’offre aux individus lors de leurs déplacements dans l’espace urbain. L’accessibilité est ici définie comme un ensemble de conditions favorables aux déplacements (de faibles distances à parcourir, un faible niveau d’encombrement, …). Cette relation fait l’objet de nombreuses connaissances tacites en urbanisme. Des morphologies viaires types ou des interventions sur des réseaux existants sont préconisées en urbanisme pour les conditions d’accessibilité qu’elles sont supposées offrir. Toutefois, les effets réels de ces morphologies et de ces interventions sur les conditions d’accessibilité sont peu évalués de manière formalisée et systématique. Pour pallier ce manque, nous choisissons d’adopter une approche quantitative basée sur la théorie des graphes. Celle-ci permet une analyse de la morphologie et des conditions d’accessibilité des réseaux au moyen de descripteurs calculés sur ces graphes, puis l’étude de la relation entre descripteurs morphologiques et descripteurs d’accessibilité. Notre travail est exploratoire. Il porte sur un ensemble de dix cas d’étude empiriques, choisis pour être représentatifs de cas théoriques préconisés en urbanisme. Nous avons constitué deux corpus d’étude. Le premier rassemble des réseaux à la morphologie type. C’est le cas des réseaux organiques tels que celui de Paris au Moyen Age, des réseaux quadrillés tels que celui de Manhattan, et des réseaux arborescents tels que celui des banlieues suburbaines étasuniennes. Le second corpus est constitué des états successifs d’un réseau dans lequel ont été menées des interventions types, préconisées dans la littérature. En l’occurrence, il s’agit de la création de percées en étoile dans le réseau viaire de Paris au XIXe siècle. La description quantitative des caractéristiques morphologiques et des conditions d’accessibilité, menée sur les deux corpus, révèle des spécificités de chacun des réseaux et des interventions types analysés, tant en termes de morphologie qu’en termes d’accessibilité. Nos résultats permettent également d’identifier des tendances quant au lien entre les caractéristiques morphologiques des réseaux étudiés et leurs conditions d’accessibilité. Nous montrons notamment que ces tendances sont plus marquées pour le corpus de réseaux à la morphologie type, que pour le réseau parisien à différentes dates : à Paris, de fortes variations dans les descripteurs morphologiques s’accompagnent souvent de faibles variations dans les descripteurs d’accessibilité. D’un point de vue thématique, ce résultat suggère que les grands travaux menés au XIXe siècle par Haussmann ont certes affecté la morphologie du réseau viaire, mais ont eu un faible effet sur les conditions d’accessibilité offertes par ce réseau. Enfin, nous concluons que l’adoption d’une approche quantitative pour traiter de la relation entre la morphologie d’un réseau viaire et ses conditions d’accessibilité nécessite des allers retours, entre les savoirs et interprétations propres à l’urbanisme, et les méthodes et mesures issues d’autres disciplines, en l’occurrence de la Science des réseauxThis thesis aims to explore the relationship between the morphology of street networks and the accessibility offered to individuals during their trips in the urban space. The accessibility is defined as a set of favourable conditions for traveling (e.g. short distances to cover, low congestion level). This relationship is the subject of much tacit knowledge in the urban design community. Typical network morphologies or typical interventions on existing networks are recommended by urban designers, for the accessibility conditions they are supposed to offer. However, the actual effects of these recommendations on accessibility conditions are little evaluated in a formalized and systematic way. To compensate for this lack, we choose to adopt a quantitative approach based on graph theory. This allows an analysis of the morphology and accessibility conditions of networks by means of descriptors calculated on graphs, and then the study of the relationship between morphological and accessibility descriptors. Our work is exploratory. It concerns a set of ten empirical case studies, chosen for their representativity of theoretical cases recommended in urban design. We have constituted two corpuses of study. The first brings together networks with a typical morphology. This is the case of organic networks such as Paris in the Middle Ages, grid networks like Manhattan, and tree-like networks like in some American suburbs. The second corpus is made up of successive states of a network in which typical interventions, recommended in the literature, have been carried out. In this case, it concerns the creation of star-shaped breakthroughs in the street network of Paris in the 19th century. The quantitative description of the morphological characteristics and the accessibility conditions, carried out on the two corpuses, reveals some specificities of each typical network and intervention analyzed, both in terms of morphology and accessibility. Furthermore, our results allow us to identify trends in the relationship between the morphological characteristics of the studied networks and their accessibility conditions. In particular, we show that these trends are more marked for the corpus of networks with a typical morphology than for the Parisian network at different dates : in Paris, strong variations in morphological descriptors are often accompanied by weak variations in accessibility descriptors. From a thematic point of view, this result suggests that the major works carried out in the 19th century by Haussmann certainly affected the morphology of the street network, but had a little effect on the accessibility conditions offered by this network. Eventually, we conclude that the adoption of a quantitative approach to deal with the relationship between the morphology of a street network and its accessibility conditions requires a back and forth movement between the knowledge and interpretations specific to urban design and the methods and measures from other disciplines, in this case network science
45
Seigneur, Josée. "Impacts des rythmes du sommeil sur la connectivité fonctionnelle et effets des changements ioniques sur la synchronisation neuronale et la connectivité fonctionnelle." Thesis, Université Laval, 2013. http://www.theses.ulaval.ca/2013/29935/29935.pdf.
Анотація:
La synchronisation neuronale est inhérente au cerveau, ce qui permet aux neurones de se regrouper en réseau et de communiquer. Les oscillations indissociables aux états de vigilance tels le sommeil à ondes lentes, le sommeil paradoxal et l’éveil, mais aussi à l’état pathologique tel l’épilepsie émergent de la synchronisation d’un groupe de neurones. Plusieurs interactions neuronales influencent la synchronisation, soit la transmission chimique ou électrique, les variations ioniques et les interactions éphaptiques. Du point de vue cellulaire, la plasticité synaptique influence également la connectivité fonctionnelle des neurones. Dans cette thèse, le but est d’expliquer les impacts des rythmes du sommeil sur la connectivité fonctionnelle et les effets des changements ioniques sur la synchronisation neuronale et la connectivité fonctionnelle. Les états de vigilance sont impliqués dans la consolidation de la mémoire. Nous avons démontré que la présence des oscillations lentes et du patron de décharge des neurones pendant l’oscillation lente peuvent favoriser la facilitation synaptique à long terme, ce qui peut être un élément clé pour l’intégration de nouvelles connections synaptiques sous-adjacent à la consolidation de la mémoire pendant le sommeil. Au contraire, les activités synaptiques générées pendant l’éveil en présence d’acétylcholine favorise la facilitation à court-terme. Les mécanismes de passage de l’information sensorielle dans le thalamus pendant le sommeil sont inconnus. Nous avons démontré que le taux d’échec à une stimulation lemniscale est augmenté pendant les potentiels calciques et leur génération cause une diminution du calcium extracellulaire qui est suffisante pour influencer la transmission synaptique. Les potentiels calciques se produisent préférentiellement pendant le sommeil à ondes lentes, mais également sous forme de bouffées paroxystiques de potentiels d’action lors de l’épilepsie. Durant les crises épileptiques, l’activité paroxystique des neurones cause une diminution du calcium et une augmentation du potassium extracellulaire. Nous avons démontré que ces changements ioniques affectent la transmission synaptique en augmentant le taux d’échec à des réponses unitaires et en bloquant la transmission axonale d’un potentiel d’action, ce qui a pour effet de rompre la communication entre les neurones, de perturber leur synchronisation pendant les crises paroxystiques et de faciliter leur terminaison.The neuronal synchronisation is an intrinsic phenomenon in the brain that allows neurons to be connected to the network to communicate. Oscillations inherent of the states of vigilance such as the slow-wave sleep, the REM sleep, and waking state or pathological conditions such as epilepsy emerge from the network synchronisation of a group of neurons. Several interactions influence the synchronization: the chemical or electrical transmission, the ionic variations, and the ephaptic interactions. At cellular level, the synaptic plasticity also influences the functional connectivity of neurons. In this thesis, I aim to explain the impact of sleep rhythms on the functional connectivity and the effects of ionic variations on the neuronal synchrony and the functional connectivity. States of vigilance implicated in the memory consolidation. We demonstrated that the presence of slow oscillations and the spiking pattern during slow-wave sleep favours the long-term synaptic facilitation, which could be a key element for the sleep-dependent reinforcement of synaptic efficacy contributing to memory consolidation. By contrast synaptic activities generated during waking state in a conditions of increased level acetylcholine favour short-term facilitation. Sleep allows also the brain to disrupt partially the communication with the environment. The accepted model is that the thalamus provides gating of sensory information during sleep, but the exact mechanisms of that gating are unknown. We demonstrated that the failure rate to a lemniscal stimulation is increased during the thalamic Ca2+ spike bursts and the generation of those Ca2+ spikes cause a depletion of the extracellular calcium which is sufficient to reduce the synaptic efficacy. Bursts of action potential occur preferentially during slow-wave sleep, but also in the pathological form of paroxysmal depolarization shift during the generation of cortical epileptic seizures. During seizures, the paroxysmal neuronal activity causes a decrease of extracellular Ca2+ and an increase of extracellular potassium. We demonstrated that those ionic variations affect the synaptic transmission by increasing the failure rate of unitary responses at a synapse and by blocking the axonal transmission of action potentials, which disrupts the neuronal communication between neurons, facilitating seizure termination.
46
Zouhri, Abdelhakim. "Essai sur les indicateurs avancés de risque-pays : application des réseaux de neurones et choix de politiques optimales." Nice, 2007. http://www.theses.fr/2007NICE0036.
Анотація:
Cette étude propose une méthodologie de mesurer les risques spécifiques aux pays émergents. Ceci paraît aujourd'hui d'autant plus important que la plupart des investisseurs adoptent ces mesures de risque, à la fois dans le processus de sélection des investissements internationaux et dans le pilotage ex post de la rentabilité de ces investissements. L'intuition du travail repose sur la formulation d'un cadre théorique qui nous permet d'obtenir et de tester empiriquement les déterminants de la probabilité d'occurrence de crise pays dans les principaux pays émergentes. Les résultats obtenus par les réseaux neurals a des implications sur la robustesse des résultats présentés par le modèle de crise de change de la troisième génération en terme d'efficacité de la politique monétaireThis study suggests a methodology to measure specific risks in emerging countries. Nowadays this appears even more critical as most investors adopt these risk measures in an international investments selection process while the focus is on profitability of the investisments. The idea behind this model lives on a theoretical frame formulation that provides us with a practical method to obtain and ckeck out these keys points of the probability to a case of country crisis in the main emerging countries. Norals networks gether results which have implications on the sturdiness of results presented by the crisis model of the third generation exchange in terms of efficiency of monetary politic
47
Lauret, Pierre. "Modélisation de la dispersion atmosphérique sur un site industriel par combinaison d’automates cellulaires et de réseaux de neurones." Thesis, Saint-Etienne, EMSE, 2014. http://www.theses.fr/2014EMSE0745/document.
Анотація:
La dispersion atmosphérique de substances dangereuses est un évènement susceptible d’entrainer de graves conséquences. Sa modélisation est primordiale pour anticiper des situations accidentelles. L’objectif de ce travail fut de développer un modèle opérationnel, à la fois rapide et précis, prenant en compte la dispersion en champ proche sur un site industriel. L’approche développée s’appuie sur des modèles issus de l’intelligence artificielle : les réseaux de neurones et les automates cellulaires. L’utilisation des réseaux de neurones requiert l’apprentissage d’une base de données de dispersion : des simulations CFD k-ϵ dans ce travail. Différents paramètres sont évalués lors de l’apprentissage : échantillonnage et architecture du réseau. Trois méthodologies sont développées :La première méthode permet d’estimer la dispersion continue en champ libre, par réseaux de neurones seuls.La deuxième méthode utilise le réseau de neurones en tant que règle de transition de l’automate cellulaire pour le suivi de l’évolution d’une bouffée en champ libre.La troisième méthode sépare la problématique : le calcul de l’écoulement est effectué par les réseaux de neurones alors que le calcul de la dispersion est réalisé par la résolution de l’équation d’advection diffusion pour le suivi de l’évolution d’un nuage autour d’un obstacle cylindrique. La simulation de cas tests non-appris avec des simulations CFD permet de valider les méthodes développées. Les temps de calcul mis en œuvre pour réaliser la dispersion sont en accord avec la cinétique d’une situation de crise. L’application à des données réelles doit être développée dans la perspective de rendre les modèles opérationnelsAtmospheric dispersion of hazardous materials is an event that could lead to serious consequences. Atmospheric dispersion is studied in particular in this work. Modeling of atmospheric dispersion is an important tool to anticipate industrial accidents. The objective of this work was to develop a model that is both fast and accurate, considering the dispersion in the near field on an industrial site. The approach developed is based on models from artificial intelligence: neural networks and cellular automata. Using neural networks requires training a database typical of the phenomenon, CFD k-ϵ simulations in this work. Training the neural network is carried out by identifying the important parameters: database sampling and network architecture. Three methodologies are developed:The first method estimates the continuous dispersion in free field by neural networks.The second method uses the neural network as a transition rule of the cellular automaton to estimate puff evolution in the free field.The third method divides the problem: the flow calculation is performed by the neural network and the calculation of the dispersion is realized by solving the advection diffusion equation to estimate the evolution of a cloud around a cylindrical obstacle. For the three methods, assessment of the generalization capabilities of the neural network has been validated on a test database and on unlearned cases. A comparison between developed method and CFD simulations is done on unlearned cases in order to validate them. Simulations computing time are low according to crisis duration. Application to real data should be developed to make these models operational
48
Niepceron, Brad. "Développement d'une application d'aide au diagnostic basée sur les réseaux de neurones artificiels pour la détection de tumeurs cérébrales." Electronic Thesis or Diss., Amiens, 2021. http://www.theses.fr/2021AMIE0071.
Анотація:
Au cours de la dernière décennie, l'étude de systèmes de diagnostics de tumeurs cérébrales a attiré une attention particulière compte tenu de la croissance rapide de l'apprentissage profond et du développement de réseaux de neurones artificiels efficaces. Dans le domaine clinique, les algorithmes basés sur l'apprentissage profond sont utilisés pour résoudre des tâches visuelles, telles que la détection ou la segmentation de tissus malsains. Ces méthodes ont notamment prouvé leur efficacité dans le diagnostic de tumeurs agressives telles que les gliomes de haut grade. Néanmoins, contraints par leur important besoin en ressources de calcul, ces modèles ne peuvent être réalistiquement déployés à grande échelle. En effet, leurs architectures devenant plus profondes avec l'amélioration de leurs performances, leur utilisation entraîne des coûts matériels et énergétiques importants qui ne correspondent pas aux exigences du domaine médical. L'objectif de ce travail de recherche consiste alors en l'étude de nouveaux outils visant à répondre aux pré-requis nécessaires au déploiement d'application d'aide au diagnostic de tumeurs cérébrales, plus spécifiquement des gliomes, basée sur les réseaux de neurones artificiels. Cette étude passe par un besoin d'optimisation ou de remplacement des méthodes déjà utilisées dans l'état de l'art par des solutions moins dépendantes à la disponibilité de grandes ressources de calcul. Pour répondre à ces problématiques, la compression de réseaux de neurones convolutifs pour la création d'application de segmentation de tumeurs cérébrales sur système embarqué est envisagée. De plus, bien que de nombreux débats soient apparus sur l'efficacité des modèles d'apprentissage profond, des solutions basées sur les réseaux de neurones impulsionnels doivent encore être examinées afin de construire des méthodes d'analyse plus rapides et rentables. L'ordre des contributions exposées dans ce manuscrit permet alors de mettre en avant une transition graduelle entre la deuxième et la troisième génération de réseaux de neurones artificiels. Par conséquent, l'étude présentée dans ce travail se concentre premièrement sur l'adaptation des réseaux de neurones artificiels à des systèmes possédant des ressources de calculs limitées par le biais de méthodes de compression. Puis, des modèles neuronaux pour l'analyse d'images médicales sont étudiés afin de répondre aux problématiques de coûts posées par l'apprentissage profond. Enfin, une nouvelle méthode de développement de systèmes de diagnostic de tumeurs cérébrales basée sur des modèles de neurones biologiques est proposéeDuring the last decade, the study of brain tumor diagnosis systems brought a significant attention regarding to the fast growth of deep learning and the development of Artificial Neural Networks (ANNs). In the clinical field, deep learning based algorithms are being used to solve visual tasks such as the detection and segmentation of unhealthy tissues. These methods proved to be particularly efficient in the diagnosis of aggressive tumors like high grade gliomas. However, constrained by their important need in computational resources, these models cannot be realistically deployed on a large scale.In fact, their architecture becoming deeper with the improvement of their performances, their use and development entails significant material and energy costs as well as an important carbon dioxide emission. The optimization or replacement of these methods by solutions that are less dependent on the availability of high computational resources is thus critical. To respond to these problems, the compression of modern Convolutional Neural Networks (CNNs) for the creation of brain tumor segmentation applications on embedded systems is considered. Moreover, although many debates appeared concerning the efficiency of Deep Learning algorithms, some solutions based on Spiking Neural Networks (SNNs) are yet to be investigated in order to build fast and affordable medical image analysis systems.The objective of this work is thus to propose new ways to design medical image analysis systems, specifically for glioma tumors diagnosis. We aim to tackle the computational and energy cost issues of existing deep learning solutions to let their deployment be realistic in clinical settings. Hence, the first contribution presented in this manuscript firstly focuses on the adaptation of ANNs to devices with limited computational resources by the means of compression methods. Then, in a second contribution, non-trainable neural models for medical image analysis are investigated in order to respond to the cost problems induced by deep learning. Finally, our third contribution present a new method for the development of brain tumor diagnosis systems based on models of biological neurons
49
Pinna, Andrea. "Conception d'une rétine connexionniste : du capteur au système de vision sur puce." Paris 6, 2003. http://www.theses.fr/2003PA066566.
50
Bornat, Yannick. "Réseaux de neurones sur silicium : une approche mixte, analogique / numérique, pour l'étude des phénomènes d'adaptation, d'apprentissage et de plasticité." Phd thesis, Université Sciences et Technologies - Bordeaux I, 2006. http://tel.archives-ouvertes.fr/tel-00181353.
Анотація:
Dans un contexte où l'usage de circuits neuromimétiques se généralise au sein des neurosciences, nous étudions ici leur intégration au sein de réseaux adaptatifs. Les circuits mis en oeuvre se basent sur un modèle proche de la biologie résolu en continu et en temps réel. Les calculs relatifs à l'adaptation du réseau sont réalisés en numérique temps réel, logiciel et/ou matériel. La partie logicielle est assurée par un ordinateur interfacé à travers le bus PCI, tandis que la partie matérielle utilise des EPGAS. Trois générations sont présentés avec une analyse critique sur leur utilisation comme système de simulation de réseau neuronal.