Selection de caracteristiques et optimisation d'architectures dans les systemes d'apprentissage connexionnistes

• Auteur / Autrice : MEZIANE YACOUB
• Direction : Younès Bennani
• Type : Thèse de doctorat
• Discipline(s) : Sciences et techniques
• Date : Soutenance en 1999
• Etablissement(s) : Paris 13

Résumé

Cette these est consacree au probleme du choix d'une architecture dont la capacite est adaptee a la difficulte de la tache. Nous proposons une approche structurelle du controle de la capacite de generalisation des systemes d'apprentissage connexionnistes. Cette approche est basee sur une mesure de pertinence, baptisee hvs (heuristic for variable selection), permettant d'evaluer l'importance de chacune des composantes du modele. La mesure sera utilisee dans un premier temps pour le probleme difficile de la selection de variables puis etendue a l'optimisation d'architectures de type perceptron multicouche. Une autre utilisation de cette mesure nous a permis de developper une methodologie d'aide au choix d'une architecture initiale pour traiter des sequences temporelles. Enfin on montre sur un probleme reel d'identification de visages qu'une extension de la mesure de pertinence hvs permet de detecter et de selectionner des zones discriminantes pour ce type d'application en reconnaissance des formes.