Thèse soutenue

Contribution à l'étude et la mise en oeuvre d'indicateurs quantitatifs et qualitatifs d'estimation de la complexité pour la régulation du processus d'auto-organisation d'une structure neuronale modulaire de traitement d'information

FR  |  
EN
Auteur / Autrice : El Khier Bouyoucef
Direction : Kurosh Madani
Type : Thèse de doctorat
Discipline(s) : Sciences. Informatique
Date : Soutenance en 2007
Etablissement(s) : Paris 12

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

La classification est un outil clé dans de nombreux domaines, notamment médical et industriel. La défaillance principale des classificateurs est due à la fiabilité des modèles théoriques ou empiriques exploités. Dans le cadre de cette thèse de doctorat, nous nous intéressons à l’étude de la notion de la complexité des données représentant un problème de classification dans le cadre d’une nouvelle structure neuronale arborescente de traitement de l’information désignée par le terme « Tree-like Divide To Simplify » (T-DTS). Dans cette approche, un problème de classification sera traité par plusieurs modèles locaux adaptés à la difficulté du problème. Nous avons utilisé et construit des indicateurs quantitatifs et qualitatifs de la complexité dont le rôle est d’obtenir une adéquation entre la complexité et la structure de traitement. Plusieurs bases de données issues des problèmes de classification artificiels et réels sont exploitées pour valider la pertinence des estimateurs de complexité et pour comparer les performances de la structure T-DTS selon les différents modes de fonctionnement et pour comparer ses performances par rapport à d’autres algorithmes de classification.