Auteur / Autrice : | André Koscianski |
Direction : | Eduardo de Cursi Souza |
Type : | Thèse de doctorat |
Discipline(s) : | Mécanique |
Date : | Soutenance en 2004 |
Etablissement(s) : | Rouen, INSA |
Partenaire(s) de recherche : | Laboratoire : Laboratoire de mécanique de Normandie (Saint-Etienne-du-Rouvray, Seine-Maritime1993-....) |
Mots clés
Mots clés contrôlés
Résumé
Les modèles mathématiques traditionnellement présentés sous la forme d'équations différentielles peuvent être inadéquats à un usage où les contraintes de temps et de calcul sont importantes. C'est le cas des applications au temps réel tels les logiciels de simulation, contrôle, réalité virtuelle, etc. Une représentation obtenue par régression de données est souvent plus légère ; cependant le problème peut être mal posé et on n'assure pas l'obtention du comportement du phénomène étudié. Dans cette thèse, on propose l'utilisation simultanée d'un modèle mathématique et d'un ensemble de données à l'aide de techniques de régularisation pour obtenir une représentation à la fois légère et qui respecte un comportement prescrit. La technique est illustrée dans quelques situations et en faisant appel aux réseaux de neurones. Ce procédé fournit des points de démarrage et pourrait remplacer des règles heuristiques telles celle de Nguyen-Widrow.