Mise en oeuvre des réseaux neuromimétiques pour le traitement d'image sonar, étude et amélioration des capacités de généralisation

Neural networks and sonar image processing, study and improvement of generalization capabilities

• Auteur / Autrice : Eric Maillard
• Direction : Julien Gresser
• Type : Thèse de doctorat
• Discipline(s) : Électronique, électrotechnique et automatique
• Date : Soutenance en 1993
• Etablissement(s) : Mulhouse

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Sonar

Traitement d'images

Résumé

Les travaux de cette thèse s'inscrivent dans le cadre de l'emploi des réseaux neuromimétiques pour les applications de classification liées au traitement d'image sonar latéral haute résolution. Les conditions de travail opérationnelles imposent une forte contrainte de fiabilité au classificateur. Après avoir proposé des modifications d'algorithmes neuronaux dans le but de diminuer les risques de non-convergence et de réduire le temps d'apprentissage, nous introduisons de nouvelles architectures inspirées du perceptron dont les capacités de généralisation sont maîtrisées par l'emploi de domaines de compétences estimés lors de l'apprentissage. La collaboration d'un réseau supervisé et d'un autre non supervisé prolonge cette démarche et augmente la souplesse du classificateur en supprimant la forme générique gaussienne du domaine de compétence. La deuxième partie est consacrée à la présentation d'un nouveau modèle de réseau neuromimétique inspiré de la théorie ART. Ce modèle supervisé est auto-organisé. Il est capable d'apprentissage incrémental. La dynamique, ainsi que l'architecture du réseau ne font appel à aucun réglage externe (taux d'apprentissage, nombre de couches. . . ). Les performances de ce réseau sont comparées avantageusement à celles de Fuzzy ARTMAP. Des applications concrètes de classification d'objets manufacturés et de textures sont présentées pour valider le nouveau réseau