Etude d'extensions des reseaux de petri a flux de donnees pour la modelisation des reseaux de neurones artificiels. Developpement d'une methodologie d'ordonnancement temporel des reseaux de petri a flux de donnees

Study of data flow petri net extensions to modelize the artificial neural networks. Development of a methodology for the temporal scheduling of data flow petri nets

• Auteur / Autrice : Jean-François Balmat
• Direction : Patrick Abellard
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1993
• Etablissement(s) : Toulon

Résumé

Les reseaux de neurones artificiels focalisent de gros efforts de recherche car ils sont une alternative pour la resolution de nombreux problemes. L'etude de ces modeles conduit naturellement a s'interesser au developpement d'architectures paralleles pour leur simulation. En general, l'implantation d'un algorithme sur une architecture multiprocesseur engendre des problemes lies aux conflits de ressources, aux limitations du debit de l'information, et aux difficultes de programmation. Pour pallier ces difficultes, la mise en uvre d'une architecture a flux de donnees est bien adaptee. L'exploitation du parallelisme depend du degre de lien entre le modele de representation (algorithme-architecture) et l'architecture a concevoir. Nous avons etabli les caracteristiques communes entre les modeles neuronaux et les modeles a flux de donnees et nous avons donc propose l'utilisation des reseaux de petri a flux de donnees munis d'extensions pour la modelisation des reseaux de neurones artificiels. Ainsi, nous avons decrit une modelisation adaptee, a la fois, aux modeles neuronaux et aux modeles a flux de donnees. L'etude des machines multiprocesseurs amene a nous preoccuper des techniques d'ordonnancement. Nous avons developpe une methodologie d'ordonnancement temporel des reseaux de petri a flux de donnees. Elle est basee sur la construction de graphes et de reseaux de neurones artificiels recursifs. Enfin, nous avons decrit la demarche qui permet, a partir de la modelisation d'un reseau de neurones artificiels associe a la resolution d'un probleme d'aide a la decision, d'etudier une architecture a flux de donnees construite autour de processeurs a flots de donnees