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

Résumé en langue originale

Dans une première partie du mémoire, la démarche générale de l'étude d'un système sans modèle analytique de comportement est rappelée. Dans le cadre de l'aide au diagnostic, nous proposons de construire le modèle d'un système afin de le surveiller, à partir de l'analyse de données prélevées dans différents modes de fonctionnement. Différentes techniques d'apprentissage sont ainsi exposées. Dans une deuxième phase, nous rappelons les résultats importants de la théorie de l'information appliquée à l'analyse structurale des systèmes complexes. Cela nous amène à proposer plusieurs critères entropiques de modélisabilité d'un système permettant de quantifier la qualité du modèle construit. L'utilisation de l'entropie conditionnelle comme base pour ces critères ayant été justifiée, nous proposons de définir des algorithmes permettant la construction d'un modèle de comportement sous la forme d'arbres de décision. Plusieurs points de vue de construction des arbres sont considérés et combinés. C'est ainsi que des algorithmes associant une approche descendante ou ascendante avec une approche agrégative ou désagrégative de sélection de variables, sont présentés. Nous mettons en évidence les performances des approches ascendantes désagrégatives en développant une approche de construction globale (ou par niveau) de l'arbre de décision. Ces algorithmes sont ensuite affinés à l'aide d'approches de construction locales (ou par noeud). Enfin, ces méthodes sont appliquées sur des exemples de manière à les comparer et les valider.