IMIST


Vue normale Vue MARC vue ISBD

Modèles Stochastiques et Amélioration des algorithmes d'apprentissages : Régularisation et estimation des paramètres dans les RNA /

par En-naimani, Zakariae Publié par : Université Sidi Mohamed Ben Abdellah (Fés) Détails physiques : 157 pages Année : 2018
Ressources en ligne :
Tags de cette bibliothèque : Pas de tags pour ce titre. Connectez-vous pour ajouter des tags.
    Évaluation moyenne : 0.0 (0 votes)
Type de document Site actuel Cote Statut Date de retour prévue Code à barres Réservations
Thèse universitaire La bibliothèque des sciences de l'ingénieur
TH-006.31 ENN (Parcourir l'étagère) Disponible 0000000035082
Total des réservations: 0

Qjidaa, Hassan (Président)||Ezzaki, Fatima (Rapporteur)||Roukhe, Ahmed (Rapporteur)||El Afia, Abdellatif (Rapporteur)||Benabbou, Abderrahim (Examinateur)||Hilali, Abdelmajid (Examinateur)||El Moutaouakil, Karim (Examinateur)||Ettaouil, Mohamed (Directeur de la thèse)||Massrar, Mohamed (Co-Directeur de la thèse)

PH.D - Université Sidi Mohammed Ben Abdellah 2018

Les modèles neuronaux ne cessent de prouver leur efficacité dans plusieurs domaines d'application. Néanmoins, ils souffrent du problème de choix du modèle qui a une grande influence sur la phase d'apprentissage de ces derniers. Le travail de recherche exposé dans cette thèse traite deux problèmes d'actualité : le choix du modèle et l'initialisation des paramètres pour les modèles neuronaux classiques et probabilistes, notamment, pour les cartes auto-organisatrices déterministes et probabilistes ainsi que pour les modèles de mélanges Gaussiens. Pour résoudre ce problème de choix du modèle, qui consiste à trouver le nombre de neurones de la carte auto-organisatrice déterministe et probabiliste ainsi que ses paramètres initiaux, nous proposons des modèles mathématiques non linéaires sous contraintes à variables mixtes. Nous proposons également une approche ascendante qui nous permet de lier la résolution du problème de la dégénérescence, dans les cartes auto-organisatrices probabilistes ainsi que dans les modèles de mélanges gaussiens, à la résolution du problème de choix des paramètres des modèles. Par ailleurs, l'optimalité des architectures des modèles proposés, nous a aidé à développer trois systèmes originaux pour le traitement automatique de la parole (reconnaissance et compression).

Il n'y a pas de commentaire pour ce document.

pour proposer un commentaire.
© Tous droits résérvés IMIST/CNRST
Angle Av. Allal Al Fassi et Av. des FAR, Hay Ryad, BP 8027, 10102 Rabat, Maroc
Tél:(+212) 05 37.56.98.00
CNRST / IMIST

Propulsé par Koha