Methodes statistiques de selection d'architectures neuronales : application a la conception de modeles de processus dynamiques

Statistical methods for neural networks selection: application to the conception of models of dynamicals process

• Auteur / Autrice : Dominique Urbani
• Direction : Gérard Dreyfus
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1995
• Etablissement(s) : Paris 6

Résumé

Les reseaux de neurones formels connaissent depuis quelques annees un developpement important, notamment dans le domaine de l'automatique et de la commande de processus. Cependant, peu de travaux abordent le probleme de la selection de modeles: la selection consiste a determiner les entrees et l'architecture du modele afin que celui-ci soit tout a la fois performant (possedant de bonnes capacites de generalisation) et parcimonieux (la complexite de sa structure est minimale, afin de reduire le nombre de calcul). D'autre part, l'interet croissant pour les reseaux de neurones a conduit a la conception de circuits dedies aux applications neuronales. Or, la realisation de tels circuits est d'autant plus facile que leur structure est simple. Dans cette double optique, nous nous sommes interesses au probleme de la selection de modeles neuronaux. Des methodes heuristiques de selection ont ete proposees dans la litterature, mais nous avons choisi d'utiliser des methodes statistiques, qui reposent sur des bases theoriques solides. Le probleme a ete aborde dans le cadre particulier de la modelisation de processus dynamiques non lineaires. Apres avoir pose le probleme de la modelisation de processus, nous proposons une procedure de selection de modeles narx qui se decompose en trois phases: dans la premiere phase, le processus est etudie dans plusieurs zones locales de fonctionnement, dans lesquelles son comportement peut etre approche a l'aide de modeles simples, lineaires par rapport aux parametres. Un modele neuronal du processus, valide sur tout le domaine de fonctionnement du processus, et dont les entrees sont celles selectionnees lors de la premiere phase, est alors construit. De nouvelles selections sont effectuees pour reduire si necessaire ses entrees (deuxieme phase), puis le nombre de ses neurones (troisieme phase). Cette procedure est appliquee a plusieurs processus narx simules