Réseau neuronal aléatoire : applications à l'apprentissage et à la reconnaissance d'images / Myriam Mokhtari ; sous la direction de Erol Gelenbe

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Réseaux neuronaux (informatique)

Connexionnisme

Apprentissage automatique

Intelligence artificielle

Gelenbe, Erol (1945-....) (Directeur de thèse / thesis advisor)

Université Paris Descartes (1970-2019) (Organisme de soutenance / degree-grantor)

Relation : Réseau neuronal aléatoire : applications à l'apprentissage et à la reconnaissance d'images / Myriam Mokhtari ; sous la direction de Erol Gelenbe / [Reproduction en fac-sim.] / Lille : Atelier national de reproduction des thèses , 1994

Résumé / Abstract : Le réseau neuronal aléatoire (rna) est un nouveau modèle introduit par Gelenbe en 1989. Il représente l'état d'un réseau markovien dans lequel circulent des signaux positifs et négatifs. Gelenbe a montré que la distribution stationnaire de l'état du réseau constituée par le potentiel à l'entrée de chaque neurone est égale au produit des probabilités marginales de l'état de chaque neurone. L'algorithme d'apprentissage supervisé pour le rna proposé par Gelenbe en 1992 présente l'intérêt de s'appliquer à des réseaux récurrents. L'objectif de cette thèse est d'étudier le rna en tant que mémoire auto-associative. L'apprentissage des exemples consiste à calculer les poids des connexions et aussi des autres paramètres du rna. Il peut être hebbien ou supervisé. Selon chacun d'entre eux, différentes méthodes propres au rna sont proposées par l'auteur pour la détermination des paramètres du réseau. De même, pour la reconnaissance d'exemples bruites, l'auteur introduit plusieurs méthodes de reconnaissance basées sur les caractéristiques du rna. Les simulations réalisées sur des images typées, chiffres digitalisés et exemples aléatoires montrent que le rna avec apprentissage hebbien peut être plus résistant au bruit que les modèles connexionnistes classiques, sous réserve que ses paramètres soient bien choisis. L'apprentissage supervisé appliqué au rna donne des résultats de reconnaissance similaires à ceux des modèles connexionnistes connus. Enfin, la plupart des résultats théoriques et extensions du modèle rna sont regroupés dans cette thèse. Cet ouvrage invite donc le lecteur à exploiter toutes les richesses du rna.