Les arbres de neurones avec rejet d'ambiguïté : application au diagnostic pour le pilotage en temps réel du réseau téléphonique français

Neural trees with ambiguity rejection : application to the diagnosis for the real time monitoring of the french telephone network

• Auteur / Autrice : Elisabeth Didelet
• Direction : Bernard Dubuisson
• Type : Thèse de doctorat
• Discipline(s) : Contôle des Systèmes
• Date : Soutenance en 1992
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Compiègne)

Mots clés

Mots clés contrôlés

Téléphone

Arbres de décision

Reconnaissance des formes (informatique)

Mots clés libres

Reconnaissance des formes statistiques

Rejet en ambiguïté

Réseau téléphonique français

Arbres de neurones

Diagnostic des perturbations

Résumé

L’objectif de la thèse était de développer un outil original de reconnaissance des formes statistique, pouvant être appliqué à un problème de diagnostic comme le diagnostic de perturbations sur le réseau téléphonique français. J’ai proposé d'utiliser, pour ce problème, les arbres de neurones développés par J. A. Sirat et J. P. Nadal. Les travaux ont été divisés en deux parties : 1) développer les arbres de neurones au sein du laboratoire et 2) développer un prototype de diagnostic de perturbations sur le réseau téléphonique français en utilisant les arbres de neurones. Dans le cadre de la première partie, j'ai proposé plusieurs modifications aux arbres de neurones : 1) utiliser des neurones continus à la place des perceptrons, ce qui permet d'employer un algorithme de descente de gradient à la place de l'algorithme du pocket, pour la mise au point de chaque neurone, 2) laisser la possibilité à l'utilisateur d'employer des neurones d'ordre supérieur, c'est-à-dire des frontières de décision non linéaires dans l'espace de représentation du problème et 3) ajouter le rejet en ambiguïté aux arbres de neurones : pendant la phase de classification, la notion de rejet permet de traiter de façon différente les échantillons qui sont trop proches des frontières de décision. Dans le cadre de la seconde partie, j'ai proposé de développer un prototype de diagnostic sur le réseau téléphonique à deux niveaux, compte tenu du grand nombre de variables observées (environ 20000). 1) le premier niveau constitue un ensemble d'arbres de neurones, où chaque arbre réalise un diagnostic local sur un autocommutateur de transit du réseau et 2) le second niveau constitue un ensemble de règles qui traitent l'ensemble des diagnostics locaux pour inférer un diagnostic global sur le réseau. Le prototype a été relié à un simulateur du réseau téléphonique afin de réaliser un certain nombre d'essais : le pourcentage d'erreurs de diagnostic a été estimé à 1. 5%