• Langue : Français
• Discipline : Automatique et informatique industrielle
• Identifiant : Inconnu
• Type de thèse : Doctorat
• Date de soutenance : 01/01/1999

Résumé en langue originale

Ce travail présente une synthèse des méthodes de projection plane basées sur des architectures neuronales à apprentissages non supervisés. Selon leurs architectures et leurs techniques d'apprentissages, les réseaux réalisent une analyse en composantes principales linéaire (apprentissage par la règle de Hebb) ou non linéaire (apprentissage par la rétropropagation du gradient). Notre contribution concerne la sélection automatique du nombre de neurones sur les couches cachées par des critères informationnels. Nous avons exploité les réseaux de neurones dans le cadre de deux applications industrielles. La première a porté sur la détection de glaçures sur les goulots de bouteilles en verre. Après la phase d'analyse d'images pour l'extraction des attributs pertinents, différentes architectures ont été exposées pour la décision et leurs performances comparées sur des exemples réels. La seconde application industrielle a consisté à analyser les spectres de signaux provenant d'accéléromètres installés sur certains éléments d'une éolienne pilote en vue de la prédiction d'un dysfonctionnements éventuel. Pour ce faire, un réseau de neurones autoassociateur a été employé pour suivre le fonctionnement normal de l'éolienne.