Optimisation Des Réseaux de Neurones Artificiels En Hydrologie PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Optimisation Des Réseaux de Neurones Artificiels En Hydrologie PDF full book. Access full book title Optimisation Des Réseaux de Neurones Artificiels En Hydrologie by KOFFI-Y.. Download full books in PDF and EPUB format.
Author: KOFFI-Y.
Publisher: Omniscriptum
ISBN: 9786131591815
Category :
Languages : fr
Pages : 224
Get Book Here
Book Description
Ce livre traite de la mod lisation des d bits du Bandama Blanc avec les R seaux de Neurones. Elle projette de fournir des outils plus robustes pour la mod lisation des d bits des rivi res jaug es. Pour cela, deux mod les entra n s avec l'algorithme de la r tropropagation de l'erreur, ont t construits. Le premier mod le a t utilis seulement en simulation et le second en simulation et en pr vision. Le mod le conceptuel GR2M, a t utilis pour valider les r sultats obtenus avec les r seaux de neurones. Pour cette tude, une importante base de donn es climatiques (pluie et temp rature) et hydrom triques (d bits mensuels) a t utilis e. Les r sultats obtenus sont forts satisfaisants et nettement sup rieurs ceux obtenus avec le mod le conceptuel global GR2M. En effet, les r seaux de neurones parviennent expliquer plus de 70% de la variation des d bits, avec des coefficients de corr lation de Pearson qui exc dent 0,80. Cependant, ces mod les arrivent difficilement simuler et faire la pr vision des d bits extr mes ( tiages et crues) cause probablement du nombre r duit de donn es notre disposition et de la s paration des bases de calage et de validation.
Author: KOFFI-Y.
Publisher: Omniscriptum
ISBN: 9786131591815
Category :
Languages : fr
Pages : 224
Get Book Here
Book Description
Ce livre traite de la mod lisation des d bits du Bandama Blanc avec les R seaux de Neurones. Elle projette de fournir des outils plus robustes pour la mod lisation des d bits des rivi res jaug es. Pour cela, deux mod les entra n s avec l'algorithme de la r tropropagation de l'erreur, ont t construits. Le premier mod le a t utilis seulement en simulation et le second en simulation et en pr vision. Le mod le conceptuel GR2M, a t utilis pour valider les r sultats obtenus avec les r seaux de neurones. Pour cette tude, une importante base de donn es climatiques (pluie et temp rature) et hydrom triques (d bits mensuels) a t utilis e. Les r sultats obtenus sont forts satisfaisants et nettement sup rieurs ceux obtenus avec le mod le conceptuel global GR2M. En effet, les r seaux de neurones parviennent expliquer plus de 70% de la variation des d bits, avec des coefficients de corr lation de Pearson qui exc dent 0,80. Cependant, ces mod les arrivent difficilement simuler et faire la pr vision des d bits extr mes ( tiages et crues) cause probablement du nombre r duit de donn es notre disposition et de la s paration des bases de calage et de validation.
Author: Abdessalem Chamekh
Publisher:
ISBN:
Category :
Languages : fr
Pages : 139
Get Book Here
Book Description
Ce travail concerne la modélisation et l'optimisation des procédés de mise en forme par les Réseaux de Neurones Artificiels. Etant donnée que les méthodes classiques sont très coûteuses en temps de calcul et divergentes pour des problèmes présentant beaucoup des paramètres à contrôler, notre contribution consiste à développer une méthode de modélisation et d'optimisation plus rapide et efficace. Nous avons fait appel à une étude paramétrique pour coupler un programme basé sur la technique des RNA avec un code de calcul par la méthode des éléments finis. Néanmoins pour être viable, la methode de modélisation et d'optimisation développé a été appliquée avec succès à des procédés de mise en forme complexes et variés. Elle a été testée en premier lieu pour la modélisation et l'optimisation du procédé d'emboutissage d'un flan circulaire et dans un second lieu pour l'identification des paramètres du matériau à partir du procédé d'hydroformage. La méthode a été aussi comparée avec une méthode d'optimisation classique de plusieurs points de vue. Il a été constaté le long de cette étude que notre démarche présente une grande potentialité à modéliser des relations qui sont difficile à les décrire avec des modèles mathématiques simple. Elle est aussi, rapide et parallélisable. La qualité des résultats obtenus est convaincante. Ce travail mène à des perspectives plus prometteuses. Elles peuvent être vulgarisées et exploitées dans d'autres applications.
Author: Hélène Paugam-Moisy
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
Author: Hélène Paugam-Moisy
Publisher:
ISBN:
Category :
Languages : en
Pages :
Get Book Here
Book Description
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
Author: Samy Bengio
Publisher:
ISBN:
Category :
Languages : fr
Pages : 272
Get Book Here
Book Description
Author: Sidi Mohamed Aourid
Publisher:
ISBN:
Category :
Languages : fr
Pages : 272
Get Book Here
Book Description
Author: Alain Hugget
Publisher:
ISBN:
Category :
Languages : fr
Pages : 253
Get Book Here
Book Description
L'OPTIMISATION DE SECHOIRS NECESSITE DEUX TYPES D'OUTILS POUR, DANS UN PREMIER TEMPS, REPRESENTER EFFICACEMENT LE COMPORTEMENT DU SYSTEME ET, PAR LA SUITE, OPTIMISER SIMULTANEMENT SA STRUCTURE, SES DIMENSIONS ET SES PARAMETRES DE FONCTIONNEMENT. DANS CETTE THESE, UNE NOUVELLE APPROCHE GLOBALE D'OPTIMISATION EST DEVELOPPEE. LES RESEAUX DE NEURONES ARTIFICIELS Y SONT UTILISES POUR REPRESENTER EFFICACEMENT LES PHENOMENES PHYSIQUES APPARAISSANT LORS DU SECHAGE ET LES ALGORITHMES GENETIQUES PERMETTENT D'OPTIMISER DIFFERENTS PROBLEMES. L'APPROCHE EST VALIDEE SUR DEUX EXEMPLES DE SECHOIRS INDUSTRIELS CONVECTIFS. LES APPLICATIONS DEVELOPPEES DANS CETTE THESE SORTENT DU CHAMP DE COMPETENCES CLASSIQUE DES RESEAUX DE NEURONES EN PERMETTANT LA REPRESENTATION DES RESULTATS FOURNIS PAR UN MODELE DE SECHAGE MATHEMATIQUE. POUR UNE MEME PRECISION, LES RN OFFRENT AINSI LA POSSIBILITE DE DIMINUER LES TEMPS DE SIMULATIONS DANS DES RAPPORTS VARIANT DE 100 A 1000 PAR RAPPORT A DES APPROCHES PLUS CLASSIQUES (DIFFERENCES FINIES, METHODE PRE-INTEGREE). PAR AILLEURS, IL DEVIENT POSSIBLE DE CONTROLER LE NIVEAU DE CONNAISSANCES SUR LE PROCESSUS OU SUR LE PRODUIT A TRAITER PENDANT LA CONSTITUTION DE LA REPRESENTATION NEURONALE. ENFIN, L'APPLICATION SIMULTANEE DE LA REPRESENTATION NEURONALE ET DE LA RECHERCHE PAR ALGORITHME GENETIQUE NOUS A PERMIS DE MENER UNE APPROCHE D'OPTIMISATION GLOBALE MULTI-CRITERES SUR DES INSTALLATIONS DE SECHAGE. L'APPLICATION FINALE UTILISE LES CAPACITES DE CHACUN DE CES OUTILS AFIN DE DETERMINER LES PARAMETRES DE CONCEPTION ET DE CONDUITE DES BENEFICE). CETTE APPROCHE PERMET AUSSI D'ABOUTIR A DES SOLUTIONS TECHNOLOGIQUES ADAPTEES AUX CONTRAINTES IMPOSEES PAR L'ENVIRONEMENT INDUSTRIEL. DE PLUS, LA GLOBALITE DU PROBLEME TRAITE NOUS PERMET DE NOUS AFFRANCHIR DE LA DEMARCHE LINEAIRE ET REDUCTRICE GENERALEMENT UTILISEE PENDANT LA PHASE DE CONCEPTION D'UN SYSTEME : LES SOLUTIONS OBTENUS SONT PAR CE FAIT PLUS RICHE ET PLU REPRESENTATIVES. LES OUTILS ET LA DEMARCHE DEVELOPPES DANS CE TRAVAIL SE TOURNENT RESOLEMENT VERS UNE APPROCHE DE C. A. O. (CONCEPTION ASSISTEE PAR ORDINATEUR) UTILISABLE POUR ETUDIER DE NOMBREUX SYSTEMES INDUSTRIELS COMPLEXES.
Author: ASSAD.. KALLASSY
Publisher:
ISBN:
Category :
Languages : fr
Pages : 180
Get Book Here
Book Description
L'OPTIMISATION DES STRUCTURES ET SYSTEMES MECANIQUES UTILISE ESSENTIELLEMENT DES METHODES D'OPTIMISATION SE BASANT SUR UN CALCUL DE SENSIBILITE. CES METHODES REQUIERENT UNE MISE EN UVRE DELICATE ET RISQUENT DE TOMBER SUR DES OPTIMA LOCAUX. D'AUTRES METHODES A STRATEGIE DE RECHERCHE ALEATOIRE, COMME LES ALGORITHMES GENETIQUES, SONT SIMPLES A MANIPULER MAIS DEMANDENT UN NOMBRE PROHIBITIF DE CALCULS DE LA FONCTION OBJECTIF. CES INCONVENIENTS S'ACCENTUENT LORSQU'ON APPLIQUE CES METHODES CONJOINTEMENT A UNE ANALYSE MECANIQUE PAR ELEMENTS FINIS, TRES COUTEUSE EN TEMPS DE CALCUL. NOTRE STRATEGIE DE RECHERCHE CONSISTE A REMPLACER LES FONCTIONS OBJECTIFS ET LES FONCTIONS CONTRAINTES D'UN PROBLEME D'OPTIMISATION PAR LA REPONSE APPROXIMATIVE D'UN RESEAU DE NEURONES (RN), CLASSIQUEMENT LE PRECEPTRON MULTI-COUCHES. CEPENDANT L'UTILISATION DU PMC EST JUSQU'A PRESENT EMPIRIQUE. CE TRAVAIL CONSISTE ESSENTIELLEMENT A CONSTRUIRE UNE NOUVELLE ARCHITECTURE (NA) DE RN SUIVANT UN RAISONNEMENT MATHEMATIQUE CONSTRUCTIF. LA NA PERMET DE DETERMINER AUTOMATIQUEMENT LE NOMBRE DE NEURONES DU RESEAU POUR QUE L'APPROXIMATION ATTEIGNE UNE PRECISION FIXEE PAR L'UTILISATEUR. CETTE NA EST BIEN ADAPTEE A NOTRE FIN : L'OPTIMISATION APRES APPROXIMATION. ELLE EST CAPABLE DE DETERMINER TOUS LES OPTIMA DE LA FONCTION OBJECTIF APRES LA PHASE D'APPRENTISSAGE. L'EXTENSION DE LA NA AU CAS DES VARIABLES DISCRETES S'EST REVELEE EFFICACE. ELLE SE BASE SUR L'IDENTIFICATION DES SCHEMAS TYPES LES PLUS DETERMINANTS DANS L'EVALUATION DE LA VALEUR OBJECTIVE. L'OPTIMISATION PAR UTILISATION DES RN PERMET D'ECONOMISER ENORMEMENT DE TEMPS DE CALCUL. ELLE PEUT ETRE QUALIFIEE DE STRATEGIE D'OPTIMISATION GLOBALE. ELLE SE MONTRE ROBUSTE POUR DES PROBLEMES D'OPTIMISATION MULTI-OBJECTIFS OU MULTIDISCIPLINAIRES. FINALEMENT, ELLE SE TOURNE RESOLUMENT VERS UNE APPROCHE C.A.O DEDIEE A L'ETUDE DE NOMBREUX SYSTEMES MECANIQUES COMPLEXES. L'APPLICATION DE CETTE STRATEGIE A DE MULTIPLES EXEMPLES MECANIQUES TEMOIGNE DE SON EFFICACITE.
Author: Ludovic Lelaurin
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0
Get Book Here
Book Description
Ce mémoire de thèse traite d'un modelé générique de réseaux de neurones pour la minimisation de fonctionnelles de type quadratique. L'application particulière à l'estimation du mouvement dans des séquences d'images est présentée. De nombreux problèmes de traitement des images s'expriment sous la forme d'une fonctionnelle à minimiser. Ces derniers sont pour la majorité d'entre eux mal poses au sens défini par Hadamard, et nécessitent de recourir à des techniques de régularisation. La résolution de tels problèmes régularises fait alors appel à des techniques d'optimisation. Les réseaux de neurones artificiels se composent d'un grand nombre d'unités élémentaires opérant en parallèle ; ces unités se désignent sous le terme de neurones ou neurones formels. De tels systèmes connexionnistes peuvent assurer des taches de haut niveau telles que la reconnaissance des formes, la classification, l'optimisation... Nous présentons une méthodologie neuronale dont le principe consiste à coder la solution des problèmes d'optimisation en termes d'états de neurone, qui sont les variables discrètes d'un espace euclidien. Le réseau de neurones propose est fonde sur le modelé discret de hopfield. Nous l'appliquons à l'estimation du mouvement dans des séquences d'images, problème qui nous permet de faire une analyse de notre approche la plus complète. Nos résultats sont comparés avec ceux obtenus par l'approche classique proposée par Horn et Schunk. Nous nous étendons ensuite au cas du mouvement d'objets déformables et montrons la nature générique de ce réseau.
Author: Vassilada Koubi
Publisher:
ISBN:
Category :
Languages : fr
Pages : 204
Get Book Here
Book Description
LES PROBLEMES D'OPTIMISATION COMBINATOIRE ONT DES DONNEES ASSEZ STRUCTUREES QUI CONVIENNENT AU TRAITEMENT D'UNE ARCHITECTURE NEURONALE. CES PROBLEMES QUI APPARTIENNENT EN GENERAL A LA CLASSE NP-COMPLET, NECESSITENT UNE GRANDE PUISSANCE DE CALCUL. L'OBJECTIF DE CE TRAVAIL EST D'APPLIQUER LE MODELE DE RESEAU DE NEURONES ALEATOIRES AUX PROBLEMES D'OPTIMISATION COMBINATOIRE. L'APPLICATION DU RESEAU NEURONAL ALEATOIRE DE GELENBE, A UN PROBLEME D'OPTIMISATION COMBINATOIRE, EST CARACTERISEE PAR L'EVOLUTION DES ENTREES EXTERNES, QUI CORRESPONDENT AU GRADIENT DE LA FONCTION OBJECTIVE, EN CONTRADICTION AVEC LES AUTRES METHODES NEURONALES OU LES ENTREES SONT EN GENERAL CONSTANTES. DEUX ALTERNATIVES DE RESOLUTION SONT PROPOSEES : L'APPROCHE GRADIENT, APPLICATION DE L'ALGORITHME DU GRADIENT SUR LA FONCTION ET L'APPROCHE DYNAMIQUE, INTRODUCTION DU GRADIENT DE LA FONCTION AUX EQUATIONS DYNAMIQUES QUI SONT LIEES AU PROBLEME CONSIDERE. NOUS AVONS RESOLU UN PROBLEME CLASSIQUE D'OPTIMISATION COMBINATOIRE, LE PROBLEME DU VOYAGEUR DE COMMERCE, ET UN PROBLEME DE SATISFACTION DES CONTRAINTES, LE PROBLEME DE REINES NON ATTAQUANTES. DE PLUS NOUS AVONS PROPOSE LA SOLUTION POUR D'AUTRES PROBLEMES. LE RESEAU NEURONAL ALEATOIRE APPLIQUE AU PROBLEME DU VOYAGEUR DE COMMERCE A ETE EVALUE ET COMPARE AVEC LES AUTRES METHODES CONNEXIONNISTES. LES RESULTATS OBTENUS SONT ASSEZ SATISFAISANTS, DE QUALITE SIMILAIRE (OU MEME MEILLEURE) A CEUX OBTENUS PAR D'AUTRES METHODES. LE PROBLEME DE REINES A ETE RESOLU PAR DEUX MODELISATIONS. LA PREMIERE CONSISTE A RESOUDRE DIRECTEMENT CE PROBLEME, ALORS QUE DANS LA SECONDE ON CONSIDERE LE PROBLEME DES REINES COMME UN PROBLEME DU STABLE MAXIMAL. QUELQUE SOIT LA METHODE RETENUE, TOUTES LES SOLUTIONS POSSIBLES, OU PRESQUE, POUR CE PROBLEME ONT ETE OBTENUES.
