Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique

Ce travail fait une analyse approfondie des capacités d'un réseau de neurones à propagation-avant ("feed-forward") à filtrer des signaux. Ce réseau est entraîné, par l'algorithme de la rétropropagation rapide [82, 83], à mémoriser et à généraliser un signal dynamique, signal don...

Full description

Bibliographic Details
Main Author: Ennaji, Moulay Abderrahim
Format: Others
Published: 1992
Subjects:
Online Access:http://constellation.uqac.ca/1423/1/1475551.pdf
id ndltd-LACETR-oai-collectionscanada.gc.ca-QCU.1423
record_format oai_dc
spelling ndltd-LACETR-oai-collectionscanada.gc.ca-QCU.14232014-02-25T03:35:12Z Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique Ennaji, Moulay Abderrahim Informatique Ce travail fait une analyse approfondie des capacités d'un réseau de neurones à propagation-avant ("feed-forward") à filtrer des signaux. Ce réseau est entraîné, par l'algorithme de la rétropropagation rapide [82, 83], à mémoriser et à généraliser un signal dynamique, signal dont les paramètres varient dans le temps. Plusieurs architectures de réseaux de neurones sont étudiées pour faire ressortir les qualités spécifiques de ces modèles en ce qui a trait au filtrage d'un signal dynamique. Le modèle proposé met en évidence la capacité d'un réseau à propagation-avant (feed-forward) à mémoriser un signal dynamique, à généraliser au niveau de l'amplitude et des fréquences, à régénérer un signal déjà appris de façon indéfinie (capacité apparente sur des architectures récurrentes), à reproduire n'importe quel signal avec un ajout de "bruit" sous forme de composantes hautes fréquences et basses fréquences, à filtrer un signal comme le fait un passe-bas, un passe-haut, un passe-bande et un coupe-bande (performances moyennes). Ce travail met l'accent sur la possibilité de réduire la taille des données à l'apprentissage pour éventuellement diminuer le temps de convergence, sans pour autant affecter les performances du modèle. Il met en évidence l'optimisation du nombre de noeuds dans le réseau et, établit une relation entre le signal à apprendre et le nombre de noeuds dans les couches d'entrée et cachée (s). Notre modèle est comparé à ceux de Chin'ichi Tamura et Alex Waibel [81], de Ryato Kamimura [40, 41] et de Chris Bishop [10]. Quelques applications de ces modèles sont citées dans la conclusion. Mots clés : Feed-forward ? Propagation-avant ? Rétropropagation rapide ?Filtrage ? Traitement du signal dynamique ? Filtres : passe-bas , passe-haut, passe bande et coupe-bande ?. 1992 Thèse ou mémoire de l'UQAC NonPeerReviewed application/pdf http://constellation.uqac.ca/1423/1/1475551.pdf Ennaji, Moulay Abderrahim. (1992). Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique. Mémoire de maîtrise, Université du Québec à Chicoutimi. http://constellation.uqac.ca/1423/
collection NDLTD
format Others
sources NDLTD
topic Informatique
spellingShingle Informatique
Ennaji, Moulay Abderrahim
Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique
description Ce travail fait une analyse approfondie des capacités d'un réseau de neurones à propagation-avant ("feed-forward") à filtrer des signaux. Ce réseau est entraîné, par l'algorithme de la rétropropagation rapide [82, 83], à mémoriser et à généraliser un signal dynamique, signal dont les paramètres varient dans le temps. Plusieurs architectures de réseaux de neurones sont étudiées pour faire ressortir les qualités spécifiques de ces modèles en ce qui a trait au filtrage d'un signal dynamique. Le modèle proposé met en évidence la capacité d'un réseau à propagation-avant (feed-forward) à mémoriser un signal dynamique, à généraliser au niveau de l'amplitude et des fréquences, à régénérer un signal déjà appris de façon indéfinie (capacité apparente sur des architectures récurrentes), à reproduire n'importe quel signal avec un ajout de "bruit" sous forme de composantes hautes fréquences et basses fréquences, à filtrer un signal comme le fait un passe-bas, un passe-haut, un passe-bande et un coupe-bande (performances moyennes). Ce travail met l'accent sur la possibilité de réduire la taille des données à l'apprentissage pour éventuellement diminuer le temps de convergence, sans pour autant affecter les performances du modèle. Il met en évidence l'optimisation du nombre de noeuds dans le réseau et, établit une relation entre le signal à apprendre et le nombre de noeuds dans les couches d'entrée et cachée (s). Notre modèle est comparé à ceux de Chin'ichi Tamura et Alex Waibel [81], de Ryato Kamimura [40, 41] et de Chris Bishop [10]. Quelques applications de ces modèles sont citées dans la conclusion. Mots clés : Feed-forward ? Propagation-avant ? Rétropropagation rapide ?Filtrage ? Traitement du signal dynamique ? Filtres : passe-bas , passe-haut, passe bande et coupe-bande ?.
author Ennaji, Moulay Abderrahim
author_facet Ennaji, Moulay Abderrahim
author_sort Ennaji, Moulay Abderrahim
title Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique
title_short Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique
title_full Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique
title_fullStr Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique
title_full_unstemmed Analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique
title_sort analyse et conception d'un réseau de neurones formels pour le filtrage d'un signal dynamique
publishDate 1992
url http://constellation.uqac.ca/1423/1/1475551.pdf
work_keys_str_mv AT ennajimoulayabderrahim analyseetconceptiondunreseaudeneuronesformelspourlefiltragedunsignaldynamique
_version_ 1716648301284032512