Modèles Stochastiques et Amélioration des algorithmes d'apprentissages : Régularisation et estimation des paramètres dans les RNA /
| 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 |
Survol La bibliothèque des sciences de l'ingénieur Étagères Fermer l'étagère
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.