Letteratura scientifica selezionata sul tema "Réseaux neuronaux à deux couches"

Malgré l’intérêt croissant pour la cartographie des fonds marins, seul un quart d’entre eux a pu être levé fidèlement à une résolution de l’ordre du km (30 arc-secondes). Ceci s’explique par les lourds coûts engendrés par les campagnes par bateau (sonar) et/ou par avion (lidar). Ainsi, la bathymétrie dérivée de satellite connaît un essor considérable depuis deux décennies. En fer de lance, l’imagerie multispectrale à très haute résolution spatiale de Pléiades Neo dispose de 6 bandes (4 visibles, 1 red edge, et 1 infrarouge) pourvues d’une résolution spatiale de 1,2 m, surclassant ainsi l’imagerie multispectrale de Pléiades-1 dotée de 4 bandes (3 visibles et 1 infrarouge) à 2 m. En s’appuyant sur un jeu de données Pléiades Neo 4 acquis au-dessus des eaux modérément turbides de la baie de Saint-Malo, ce travail a permis de quantifier les contributions des bandes deep blue et red edge à la prédiction de la bathymétrie lidar en regard de la nature de la modélisation, et de l’architecture du réseau neuronal. Premièrement, la modélisation semi-analytique (transfert radiatif) basée sur les transformées de ratio, testées individuellement et linéairement: le remplacement de la bande bleu par la bande deep blue a diminué la régression linéaire standard (bleu-vert-rouge-infrarouge, R2=0,36) de 11,1%, mais le remplacement de la bande rouge par red edge, a produit le même score. Deuxièmement, la modélisation semi-analytique basée sur la transformée de ratio Pléiades-1 versus la combinaison des 15 transformées Pléiades Neo : augmentations respectives de 52,8% de la régression linéaire (R2Pléiades-1=0,36, et R2Pléiades Neo=0,55), et de 36,2% de la régression non-linéaire par réseau de neurones à deux couches cachées à trois neurones (R2Pléiades-1=0,58, et R2Pléiades Neo=0,79). Finalement, la modélisation empirique basée sur la bonification spectrale de la simulation de Pléiades-1 par deep blue et red edge a généré un gain maximal de 6% pour la régression linéaire (R2Pléiades-1=0,50, et R2Pléiades Neo=0,53) et de 1,4% pour la régression non-linéaire par réseau de neurones à deux couches cachées à trois neurones (R2Pléiades-1=0,73, et R2Pléiades Neo=0,74).

L’extraction de données (“Data-Mining”, littéralement “Forage de Données”) est une nouvelle façon de tirer des informations de grosses bases de données qui gagne actuellement la faveur de grandes entreprises. Après avoir décrit le processus d’extraction de données, les auteurs proposent une méthodologie permettant de combiner les techniques d’extraction de données et l’analyse plus traditionnelle de régression, afin de parvenir à une meilleure compréhension des informations contenues dans une base de données d’entreprise. Deux exemples, l’un tiré de l’industrie automobile et l’autre de l’industrie télévisuelle, viennent illustrer ces concepts.

Alors qu'institutions et pratiques bancaires sont demeurées largement absentes avant le milieu du XIXe siècle, le petit crédit rural, agraire ou protoindustriel, a joué un rôle important en Suisse pendant l'époque moderne en n'utilisant que des instruments relativement simples. Nous examinerons ici deux aspects de ses fonctions économiques et sociales en analysant d'une part les liens verticaux, en partie clientélaires, que les réseaux du crédit ont ainsi créés entre des personnes de couches différentes de la société et, d'autre part, la façon dont les débiteurs ont eu recours au crédit dans leur recherche d'un revenu permanent au long de leur cycle de vie.

Identifier tous les processus physiques élémentaires du cycle hydrologique qui peuvent avoir lieu dans un bassin versant et attribuer à chacun d'eux une description analytique permettant la prévision conduisent à des structures complexes employant un nombre élevé de paramètres difficilement accessibles. En outre, ces processus, même simplifiés, sont généralement non linéaires. Le recours à des modèles à faible nombre de variables, capables de traiter la non-linéarité, s'avère nécessaire. C'est dans cette optique que nous proposons une méthode de modélisation de la relation pluie et débit basée sur l'utilisation de réseaux neuronaux. Les performances de ces derniers dans la modélisation non linéaire ont été déjà prouvées dans plusieurs domaines scientifiques (biologie, géologie, chimie, physique). Dans ce travail, nous utilisons l'algorithme de la rétropropagation des erreurs avec un réseau à 3 couches de neurones. La fonction de transfert appliquée est de type sigmoïde. Pour prédire le débit à un moment donné, on présente à l'entrée du réseau des valeurs de pluies et de débits observés à des instants précédents. La structure du réseau est optimisée pour obtenir une bonne capacité prévisionnelle sur des données n'ayant pas participé au calage. L'application du réseau à des données pluviométriques et débimétriques du bassin de l'oued Beth permet d'obtenir de bonnes prévisions d'un ou plusieurs pas de temps, aussi bien journalières qu'hebdomadaires. Pour les données n'ayant pas participé au calage, les coefficients de corrélation entre les valeurs observées et les valeurs estimées par les différents modèles sont élevés. Ils varient de 0.72 à 0.91 pour les coefficients de corrélation de Pearson et de 0.73 à 0.95 pour les coefficients de Spearman.

L'écoulement des rivières revêt un intérêt particulier dans la gestion rationnelle des ressources en eau. Son estimation permet d'évaluer quantitativement la disponibilité des ressources en eau, ainsi que de prévenir des catastrophes naturelles telles que les inondations et les sécheresses. Ces estimations, généralement effectuées à l'aide de méthodes statistiques d'apprentissage automatique, sont parfois biaisées, entraînant des écarts par rapport aux observations in situ. Ainsi, cette étude a pour objectif d'evaluer la qualité des données de débit de la rivière Bagoé prédites par des réseaux neuronaux, afin d'aider les décideurs dans leurs projets de développement durable. Pour ce faire, deux modèles basés sur des réseaux neuronaux ont été développés pour prévoir les variations des débits mensuels de la rivière Bagoé aux instants t et t+3 respectivement. Les modèles sont validés en utilisant le critère de Nash (%), le coefficient de corrélation de Pearson (R), le rapport du débit maximal et le critère de robustesse. Les résultats obtenus indiquent que les modèles neuronaux développés expliquent plus de 82 % des débits mensuels de la rivière Bagoé. Ces derniers varient respectivement de 0,002 m3s-1 à 300,12 m3s-1, avec une moyenne de 31,10 m3s-1 en calibration, et de 0,002 m3s-1 à 243,32 m3s-1, avec une moyenne de 31,29 m3s-1 en validation. Cependant, des décalages dans des débits extrêmes ont été observés à la fois en calibration et en validation. River flow is of particular interest in the rational management of water resources. Their estimation enables quantitative assessment of water resource availability, as well as anticipation of natural disasters such as floods and droughts. These estimates, generally made using statistical methods or machine learning, are sometimes biased, resulting in variations that differ from those observed in situ. This study aims to evaluate the quality of flow data predicted by neural networks for the Bagoé River to support sustainable development planning. To achieve this, two neural network-based models were developed to forecast variations in monthly flows in the Bagoé River at time t and time t+3 respectively. The models are validated using the Nash criterion (%), Pearson's correlation coefficient (R), the maximum flow ratio and the robustness criterion. The results obtained indicate that the neural models developed expressed more than 82% of the monthly flows of the Bagoé River. These ranged respectively from 0.002 m3s-1 to 300.12 m3s-1, with an average of 31.10 m3s-1 in calibration, and 0.002 m3s-1 to 243.32 m3s-1, with an average of 31.29 m3s-1 in validation. However, some shifts in extreme flows were observed in both calibration and validation.

Hebb (1949) a proposé que la force synaptique entre deux neurones augmente avec l'activité simultanée et que les connexions neuronales persistent si elles sont utilisées. Ce principe, connu sous le nom d'élagage synaptique, est essentiel pour le développement du cerveau. Bien que le câblage de base du cerveau soit génétiquement prédéterminé, son ajustement au cours de la vie est influencé par l'expérience. La maturation cérébrale se produit principalement en réponse aux stimulations environnementales. Les connexions entre neurones, ou synapses, hébergent nos apprentissages, expériences et mémoires. Les synapses évoluent continuellement : certaines se renforcent, d'autres s'affaiblissent ou disparaissent selon leur usage.Le premier élagage synaptique durant l’enfance est crucial pour le bon fonctionnement neuronal. Il élimine les synapses non utilisées pour renforcer celles qui sont fréquemment sollicitées. Ce processus se poursuit pendant l'enfance et l'adolescence, jouant un rôle clé dans la neuroplasticité.Pendant l'adolescence, le cerveau subit une réorganisation majeure, marquée par un deuxième élagage synaptique. Ce processus consiste à éliminer les synapses les moins utilisées pour permettre le développement de synapses plus fonctionnelles. L'élagage synaptique à cette période est influencé par les hormones sexuelles et de stress, qui modifient la structure et la connectivité cérébrale, en particulier dans les zones impliquées dans la prise de décision, la régulation émotionnelle et la cognition sociale. Le stress toxique, sans soutien adéquat, peut nuire au développement cérébral. L'identité se construit grâce à la mémoire autobiographique, influencée par les relations précoces et la qualité des liens entre adultes et enfants. Ces relations affectent la régulation émotionnelle, la cohérence autobiographique et les fonctions exécutives, qui sont essentielles pour un sentiment d'identité et de continuité. Les expériences de la petite enfance posent les bases de l'architecture cérébrale, essentielle pour l'apprentissage et le bien-être. Un stress modéré, dans un environnement soutenant, prépare les enfants à affronter les défis futurs. En conclusion, l'élagage synaptique est fondamental pour le développement cognitif et socio-émotionnel. Il permet de renforcer les connexions neuronales utiles et d'éliminer les inutiles, influençant ainsi la capacité d'adaptation et de résilience tout au long de la vie. Durant l'adolescence, ce processus est particulièrement important pour affiner les réseaux neuronaux en réponse aux défis sociaux et émotionnels propres à cette période. Pendant cette période critique, les connexions neuronales non utilisées sont éliminées, tandis que celles qui sont activement utilisées se renforcent, établissant ainsi les bases des compétences cognitives et socio-émotionnelles tout au long de la vie. En conclusion, l'élagage synaptique est fondamental pour le développement de l'identité et de la pensée, façonnant les réseaux neuronaux en fonction des expériences et des interactions sociales, et influençant la capacité d'adaptation et de résilience face aux défis de la vie.

Le changement climatique a pour conséquence l’apparition de forts événements pluvieux de plus en plus fréquents, occasionnant de fortes variations de débit et de concentrations à l’influent des stations d’épuration. La connaissance des risques d’orage et des débits potentiels plusieurs heures ou plusieurs jours en avance permettrait d’anticiper les adaptations opérationnelles pour préparer la station et protéger les différents ouvrages des risques de défaillance. Dans cette étude, les données météorologiques (pluies, température, vents, humidités, précipitations…) et l’historique des données d’influent de la station sont utilisés pour entraîner un algorithme d’intelligence artificielle, d’apprentissage automatique et d’apprentissage profond pour prédire les débits entrants sur la station jusqu’à une semaine en avance. Trois jeux de données journalières et horaires, de 1 à 3 ans, sont utilisés pour entraîner un modèle de Forêt aléatoire à 30 arbres, un modèle LSTM (long short-term memory) et un modèle GRU (gate recurrent unit) à trois couches de 100 neurones suivis chacun d’un dropout de 20 % et une couche de sortie entièrement connectée. Les données sont préalablement nettoyées pour supprimer les valeurs aberrantes et sont réparties à 80 % pour les données pour l’apprentissage et 20 % pour les données de test afin d’obtenir des modèles avec les meilleures prédictions. Les algorithmes utilisés dans cette étude sont simples et détectent bien les pics. La durée de l’entraînement sur les données de trois ans se fait en moins de deux minutes pour la Forêt aléatoire et en moins d’une demi-heure pour les réseaux de neurones LSTM et GRU. Les résultats montrent que les données horaires et la prise en compte de l’effet de l’historique par l’utilisation des réseaux de neurones récurrents LSTM et GRU permettent d’obtenir une meilleure prédiction des débits d’influent. Les séries de données plus longues permettent également un meilleur apprentissage des algorithmes et une meilleure prédiction du modèle.

Les technologies de gestion des données, les techniques de communication et de connexion et les innovations de rupture de l’industrie 4.0 des procédés impliquent de disposer d’une population compétentes d’opérateurs, de techniciens et d’ingénieurs maîtrisant la mise en oeuvre et les conséquences de ces technologies numériques. Cet article propose d’examiner le curriculum d’enseignement en formation initiale des compétences actualisées requises des acteurs du domaine industriel du génie chimique et du génie des procédés pour s’adapter aux besoins industriels et aux évolutions sociétales générés par la disruption des technologies numériques. Une première recommandation immédiate et unanime consiste à mutualiser les langages actuellement disjoints entre la communauté du génie des procédés et celle des experts de l’intelligence artificielle et de la numérisation en termes de compréhension mutuelle réciproque. Une revue des nouvelles compétences et connaissances nécessaires pour s’adapter à l’Industrie 4.0 est ensuite présentée. Un cadre pédagogique des principales composantes de l’Education 4.0 est retenu. Il incorpore stratégiquement diverses compétences telles que les mathématiques, la modélisation, l’IA, la simulation, l’IoT, la technologie de l’information, la simulation, les réseaux neuronaux, les mégadonnées, la robotique, l’informatique en nuage, l’apprentissage automatique, l’apprentissage profond et la fabrication additive pour l’expérience d’apprentissage, afin de répondre aux exigences actuelles de l’Industrie 4.0. Une déclinaison pratique applicable et acceptable de ce cadre est formulée en fonction de la pertinence relative de chaque famille de composantes évaluée en échelle de Blum sur la base des dires d’experts. A titre d’exemple, il est ainsi possible d’obtenir pour la compétence « maîtrise des données » une représentation schématique détaillée des aptitudes et compétences correspondantes. Une revue des expériences d’introduction des méthodes d’enseignement de la science des données dans des cursus de génie chimique et de génie des procédés est rapportée. Deux propositions d’application à des exemples élargis à la composante IA dans les départements de génie chimique des Universités de Columbia (USA) et de Leuwen (B) sont détaillés. Le génie chimique et la sécurité des procédés sont des sujets interdisciplinaires interconnectés. En tant que tel, un programme complet de sécurité des procédés inclus dans un cursus de génie chimique devrait couvrir un large éventail de sujets, depuis les phénomènes physiques et chimiques de base et les opérations unitaires jusqu’aux systèmes complexes et de plus en plus automatisés, conçus et exploités par l’homme. Les méthodes et techniques classiques d’analyse et d’évaluation des risques sont traditionnellement utilisées dans l’application de bonnes pratiques d’évaluation qualitative, semi-quantitative et quantitative. Toutefois, ces méthodes conventionnelles ont leurs limites. L’intégration de la dynamique des risques, associée à des informations récentes et précises, dans ces méthodes d’évaluation est donc aujourd’hui une nécessité pour sensibiliser les opérateurs 4.0 et les différentes parties prenantes aux exigences de la sécurité des procédés 4.0. Il est proposé que le contenu pédagogique actualisé se limite à la contribution de la simulation, des réseaux bayésiens et de la logique floue à la complétude dynamique des méthodes classiques d’analyse des risques. Enfin, la révolution numérique 4.0 a également généré une variété d’outils pédagogiques numériques. Quelques exemples d’applications pédagogiques limitées aux deux supports d’enseignement que sont le jumeau numérique et l’apprentissage automatique sont discutés.

We examined the temporal and spatial relations of rock units within the Western Cordillera of Peru where two Cretaceous basins, the Huarmey-Cañete and the West Peruvian Trough, were considered by previous workers to represent western and eastern parts respectively of the same marginal basin. The Huarmey-Cañete Trough, which sits on Mesoproterozoic basement of the Arequipa block, was filled with up to 9 km of Tithonian to Albian tholeiitic–calc-alkaline volcanic and volcaniclastic rocks. It shoaled to subaerial eastward. At 105–101 Ma the rocks were tightly folded and intruded during and just after the deformation by a suite of 103 ± 2 Ma mafic intrusions, and later in the interval 94–82 Ma by probable subduction-related plutons of the Coastal batholith. The West Peruvian Trough, which sits on Paleozoic metamorphic basement, comprised a west-facing siliciclastic-carbonate platform and adjacent basin filled with up to 5 km of sandstone, shale, marl and thinly bedded limestone deposited continuously throughout the Cretaceous. Rocks of the West Peruvian Trough were detached from their basement, folded and thrust eastward during the Late Cretaceous–Early Tertiary. Because the facies and facing directions of the two basins are incompatible, and their development and subjacent basements also distinct, the two basins could not have developed adjacent to one another. Based on thickness, composition and magmatic style, we interpret the magmatism of the Huarmey-Cañete Trough to represent a magmatic arc that shut down at about 105 Ma when the arc collided with an unknown terrane. We relate subsequent magmatism of the early 103 ± 2 Ma syntectonic mafic intrusions and dyke swarms to slab failure. The Huarmey-Cañete-Coastal batholithic block and its Mesoproterozoic basement remained offshore until 77 ± 5 Ma when it collided with, and was emplaced upon, the partially subducted western margin of South America to form the east-vergent Marañon fold–thrust belt. A major pulse of 73–62 Ma plutonism and dyke emplacement followed terminal collision and is interpreted to have been related to slab failure of the west-dipping South American lithosphere. Magmatism, 53 Ma and younger, followed terminal collision and was generated by eastward subduction of Pacific oceanic lithosphere beneath South America. Similar spatial and temporal relations exist over the length of both Americas and represent the terminal collision of an arc-bearing ribbon continent with the Americas during the Late Cretaceous–Early Tertiary Laramide event. It thus separated long-standing westward subduction from the younger period of eastward subduction characteristic of today. We speculate that the Cordilleran Ribbon Continent formed during the Mesozoic over a major zone of downwelling between Tuzo and Jason along the boundary of Panthalassic and Pacific oceanic plates.SOMMAIRENous avons étudié les relations spatiales et temporales des unités de roches dans la portion ouest de la Cordillère du Pérou, où deux bassins crétacés, la fosse d’accumulation de Huarmey-Cañete et la fosse d’accumulation péruvienne de l’ouest, ont été perçues par des auteurs précédents comme les portions ouest et est d’un même bassin de marge. La fosse de Huarmey-Cañete, qui repose sur le socle mésoprotérozoïque du bloc d’Arequipa, a été comblée par des couches de roches volcaniques tholéitiques – calco-alcalines de l’Albien au Thithonien atteignant 9 km d’épaisseur. Vers l’est, l’ensemble a fini par former des hauts fonds. Vers 105 à 101 Ma, les roches ont été plissées fortement puis recoupées par une suite d’intrusions vers 103 ± 2 Ma, durant et juste après la déformation, et plus tard dans l’intervalle 94 – 82 Ma, probablement par des plutons de subduction du batholite côtier. Quant à la fosse d’accumulation péruvienne de l’ouest, elle repose sur un socle métamorphique paléozoïque, et elle est constituée d’une plateforme silicoclastique – carbonate à pente ouest et d’un bassin contigu comblé par des grès, des schistes, des marnes et des calcaires finement laminés atteignant 5 km d’épaisseur et qui se sont déposés en continu durant tout le Crétacé. Les roches de la fosse d’accumulation péruvienne de l’ouest ont été décollées de leur socle, plissées et charriées vers l’est durant la fin du Crétacé et le début du Tertiaire. Parce que les facies et les profondeurs de sédimentation de ces deux fosses d’accumulation dont incompatibles, et que leur développement et leur socle sont différents, ces deux fosses ne peuvent pas s’être développées côte à côte. À cause de l’épaisseur accumulée, de sa composition et du style de son magmatisme, nous pensons que la fosse d’accumulation de Huarmey-Cañete représente un arc magmatique qui s’est éteinte vers 105 Ma, lorsque l’arc est entré en collision avec un terrane inconnu. Nous pensons que le magmatisme subséquent aux premières intrusions mafiques syntectoniques et aux réseaux de dykes de 103 ± 2 Ma sont à mettre au compte d’une rupture de plaque. Le bloc Huarmey-Cañete-batholitique côtier et son socle mésoprotérozoïque sont demeurés au large jusqu’à 77 ± 5 Ma, moment où il est entré en collision et a été poussé par-dessus la marge ouest sud-américaine partiellement subduite, pour ainsi former la zone de chevauchement de vergence est de Marañon. Nous croyons que la séquence majeure de plutonisme et d’intrusion de dykes qui a succédé à la collision finale à 73–62 Ma doit être reliée à une rupture de la plaque lithosphérique sud-américaine à pendage ouest. Le magmatisme de 53 Ma et plus récent qui a succédé à la collision finale, a été généré par la subduction vers l’est de la lithosphère océanique du Pacifique sous l’Amérique du Sud. Des relations temporelles et spatiales similaires qui existent tout le long des deux Amériques représentent la collision terminale d’un ruban continental d’arcs avec les Amériques durant la phase tectonique laramienne de la fin du Crétacé–début du Tertiaire. Elle a donc séparé la subduction vers l’ouest de longue date de la période de subduction vers l’est plus jeune caractérisant la situation actuelle. Nous considérons que le ruban continental de la Cordillère s’est constitué durant le Mésozoïque au-dessus d’une zone majeure de convection descendante entre Tuzo et Jason, le long de la limite entre les plaques océaniques Panthalassique et Pacifique.

soumission à EpisciencesCough is the most common symptom of lung disease. COVID-19, a respiratory illness, has caused over 700 million positive cases and 7 million deaths worldwide. An effective, affordable, and widely available diagnostic tool is crucial in combating lung disease and the COVID-19 pandemic. Deep learning and machine learning algorithms could be used to analyze the cough sounds of infected patients and make predictions. Our research lab and the COUGHVID research lab provide the cough data. This diagnostic approach can distinguish cough sounds from COVID-19 patients and people suffering from other ailments as well as healthy people using deep learning and feature extraction from Mel spectrograms. The model used is a variant of ConvNet. This ConvNet model can easily capture features in MFCC Vectors and enable convolution parallelism, which increases processing speed. ConvNet attains translational invariance in features through the sharing of weights between layers. During data acquisition for model training, it is important to consider quiet environments to reduce errors in audio quality. The architecture of the convolutional neural networks gives an F1-score of 89%, an accuracy of 90.33% and sensitivity of 87.3%. This system has the potential to significantly impact society by reducing virus transmission, expediting patient treatment, and freeing up hospital resources. Early detection of COVID-19 can prevent disease progression and enhance screening effectiveness.La toux est le symptôme le plus courant des maladies pulmonaires. Le COVID-19, une maladie respiratoire, a provoqué plus de 700 millions de cas positifs et 7 millions de décès dans le monde. Un outil de diagnostic efficace, abordable et largement disponible est essentiel pour lutter contre les maladies pulmonaires et la pandémie de COVID-19. Des algorithmes d'apprentissage profond et d'apprentissage automatique pourraient être utilisés pour analyser les bruits de toux des patients infectés et faire des prédictions. Notre laboratoire de recherche et le laboratoire de recherche COUGHVID fournissent les données sur la toux. Cette approche diagnostique peut distinguer les bruits de toux des patients atteints de COVID-19 et des personnes souffrant d'autres maladies ainsi que des personnes en bonne santé en utilisant l'apprentissage profond et l'extraction de caractéristiques à partir des spectrogrammes de Mel. Le modèle utilisé est une variante de ConvNet. Ce modèle ConvNet peut facilement capturer les caractéristiques des vecteurs MFCC et permettre le parallélisme de convolution, ce qui augmente la vitesse de traitement. ConvNet atteint l'invariance translationnelle des caractéristiques grâce au partage des poids entre les couches. Lors de l'acquisition des données pour l'entraînement du modèle, il est important de prendre en compte les environnements calmes pour réduire les erreurs de qualité audio. L'architecture des réseaux neuronaux convolutionnels donne un score F1 de 89 %, une précision de 90,33 % et une sensibilité de 87,3 %. Ce système peut avoir un impact significatif sur la société en réduisant la transmission des virus, en accélérant le traitement des patients et en libérant des ressources hospitalières. La détection précoce du COVID-19 peut prévenir la progression de la maladie et améliorer l'efficacité du dépistage.

Le fonctionnement des algorithmes d’apprentissage automatique repose grandement sur la structure des données qu’ils doivent utiliser. La majorité des travaux de recherche en apprentissage automatique se concentre sur l’étude de données homogènes, souvent modélisées par des variables aléatoires indépendantes et identiquement distribuées. Pourtant, les données apparaissant en pratique sont souvent hétérogènes. Nous proposons dans cette thèse de considérer des données hétérogènes en les dotant d’un profil de variance. Cette notion, issue de la théorie des matrices aléatoires, nous permet notamment d’étudier des données issues de modèles de mélanges. Nous nous intéressons plus particulièrement à la problématique de la régression ridge à travers deux modèles : la régression ridge linéaire (linear ridge model) et la régression ridge à caractéristiques aléatoires (random feature ridge model). Nous étudions dans cette thèse la performance de ces deux modèles dans le cadre de la grande dimension, c’est-à-dire lorsque la taille de l’échantillon d’entraînement et la dimension des données tendent vers l’infini avec des vitesses comparables. Dans cet objectif, nous proposons des équivalents asymptotiques de l’erreur d’entraînement et de l’erreur de test relatives aux modèles d’intérêt. L’obtention de ces équivalents repose grandement sur l’étude spectrale issue de la théorie des matrices aléatoires, des probabilités libres et de la théorie des trafics. En effet, la mesure de la performance de nombreux modèles d’apprentissage dépend de la distribution des valeurs propres de matrices aléatoires. De plus, ces résultats nous ont permis d’observer des phénomènes spécifiques à la grande dimension, comme le phénomène de la double descente. Notre étude théorique s’accompagne d’expériences numériques illustrant la précision des équivalents asymptotiques que nous fournissons
The functioning of machine learning algorithms relies heavily on the structure of the data they are given to study. Most research work in machine learning focuses on the study of homogeneous data, often modeled by independent and identically distributed random variables. However, data encountered in practice are often heterogeneous. In this thesis, we propose to consider heterogeneous data by endowing them with a variance profile. This notion, derived from random matrix theory, allows us in particular to study data arising from mixture models. We are particularly interested in the problem of ridge regression through two models: the linear ridge model and the random feature ridge model. In this thesis, we study the performance of these two models in the high-dimensional regime, i.e., when the size of the training sample and the dimension of the data tend to infinity at comparable rates. To this end, we propose asymptotic equivalents for the training error and the test error associated with the models of interest. The derivation of these equivalents relies heavily on spectral analysis from random matrix theory, free probability theory, and traffic theory. Indeed, the performance measurement of many learning models depends on the distribution of the eigenvalues of random matrices. Moreover, these results enabled us to observe phenomena specific to the high-dimensional regime, such as the double descent phenomenon. Our theoretical study is accompanied by numerical experiments illustrating the accuracy of the asymptotic equivalents we provide

Le developpement d'un modele neuronal efficace et aisement utilisable passe par deux points clefs: ses performances en apprentissage et en generalisation, et sa facilite d'utilisation. C'est le plus souvent par le biais de l'algorithme d'apprentissage et de l'architecture que l'on tente d'ameliorer ces aspects. Pour notre part, nous avons aborde ce probleme en nous interessant a la maniere dont l'information est representee aux entrees/sorties du reseau. Il s'agit en effet d'un point capital non seulement dans le domaine des reseaux neuronaux, mais egalement dans tout ce qui a trait aux methodes informatiques, et en particulier des qu'il s'agit de mettre en uvre des techniques d'apprentissage. Nous avons choisi d'etudier l'influence d'un codage dit semi-distribue, deja utilise de maniere anterieure, aux acces des perceptrons multi-couches a retro-propagation du gradient. Cet algorithme est tres populaire, mais il est connu pour ses defauts (lenteur de convergence, difficulte a trouver une architecture adaptee a une application donnee). Nous couplons ce codage a un algorithme d'auto-organisation qui permet de l'adapter aux donnees. Par ce biais, nous ameliorons l'allocation des ressources disponibles au sein du reseau. Par ailleurs, ce codage permet d'augmenter considerablement les possibilites de ces reseaux, en autorisant l'approximation de relations non-univoques. Le modele est valide sur des applications representatives de trois grands domaines specifiques: le diagnostic, la modelisation et la commande

Le travail rapporte dans ce document concerne une étude sur les réseaux de neurones (rn) en vue de leur introduction dans la résolution de certains problèmes classiquement rencontres en traitement du signal. Ce travail est restreint à l'étude des rn à couches qui ont atteint une maturité scientifique qui les rend séduisants. Nous avons pris soins de séparer les idées et principes de base de leur réalisation. Ainsi, nous avons propose une méthodologie de mise en œuvre qui peut intéresser des utilisateurs potentiels des rn. Diverses techniques d'initialisation originales ont été proposées. Cette méthodologie est appliquée a quatre problèmes génériques fréquemment rencontres en traitement du signal: la résolution d'un problème inverse, la sélection de l'ordre d'un modèle, la détermination adaptative d'un sous espace signal, et finalement un problème de localisation sous-marine. De nombreuses comparaisons sont effectuées par rapport aux traitements dits conventionnels. Nous avons ainsi montre l'intérêt des rn a couches en terme de charge de calcul, de vitesse de convergence, d'absence de modèle et d'hypothèses restrictives

En utilisant le systeme nerveux stomatogastrique des grands crustaces decapodes, nous avons enregistre, avec des techniques electrophysiologiques, la gamme d'expression des activites de deux reseaux neuronaux moteurs (gastrique et pylorique) chez des animaux intacts et libres de leurs mouvements ainsi que leur modulation in vivo en fonction de divers besoins comportementaux ou apres stimulation experimentale. Nous montrons que chez des animaux au repos, les deux reseaux moteurs sont actifs en continu et qu'il existe une interaction fonctionnelle entre le reseau gastrique et le reseau pylorique. Cette interaction est dirigee par un groupe de neurones du reseau gastrique vers le groupe pacemaker du reseau pylorique. Cependant, l'activite spontanee de ces deux reseaux etant tres monotone, nous avons analyse les influences de divers stimuli. Une prise de nourriture renforce les activites neuromusculaires des reseaux gastrique et pylorique et fait disparaitre l'interaction entre les deux reseaux. Parallelement a ce changement d'activite au sein des reseaux, une modification de la pression partielle d'oxygene (po#2) dans le sang est notable. En manipulant po#2 in vivo et in vitro, nous montrons que ces reseaux peuvent etre modules par des changements locaux d'oxygenation. Une application de divers neurotransmetteurs dans le coeur des animaux n'est capable de mimer que partiellement les activites observees in vitro. Nous concluons qu'in vivo l'expression des reseaux neuronaux stomatogastriques est contrainte dans une fenetre restreinte pour garantir le bon fonctionnement du systeme nerveux.

Les compagnies aériennes désirent évaluer de manière rapide et précise les capacités opérationnelles de leurs avions (masse maximale au décollage) en fonction des conditions du jour (aéroport, conditions atmosphériques). Le logiciel OCTOPUS livré avec chaque Airbus depuis 1992, permet ce calcul de masse maximale au décollage soit par une méthode précise (intégration des équations de la mécanique du vol) mais trop longue en temps de calcul, soit par une méthode rapide (approximation polynomiale des fonctions de performances contraintes) mais trop imprécise. Dans ce contexte, les présents travaux visent à définir une nouvelle méthode approchée plus précise utilisant des réseaux de neurones multi-couches. A partir de l'analyse des fonctions modélisées et des approximateurs utilisés,un atelier de production est réalisé permettant de générer automatiquement les réseaux de neurones nécessaires pour déterminer les capacités opérationnelles d'un avion en fonction de tous les paramètres du décollage. Cette génération respecte les contraintes internes de productivité et les exigences de temps et de précision des compagnies aériennes. Depuis mars 1998, la méthode est opérationnelle et les réseaux de neurones remplacent la modélisation polynomiale existante. D'autre part, le contexte aéronautique, sensible en terme de sécurité, impose une certaine fiabilité sur les réseaux de neurones utilisés. Des méthodes de validation des modèles neuronaux sont proposés, permettant de répondre aux exigences d'une certification des calculs approchés.

Il est maintenant bien établi que les activités motrices rythmiques chez les Vertébrés résultent de l'activation de réseaux neuronaux soumis à l'influence de plusieurs neuromodulateurs, parmi lesquels la sérotonine (5-HT) occupe une position centrale car elle est capable de moduler l'activité de nombreux réseaux neuronaux moteurs et de favoriser la restauration post traumatique de leur activité. Cette thèse est consacrée à l'étude de la modulation 5-HT de l'activité du réseau respiratoire chez la lamproie et aux conséquences fonctionnelles de modifications post lésionnelles du contrôle 5-HT du réseau locomoteur chez l'urodèle (Pleurodeles waltlii). Chez la lamproie, l'utilisation d'une approche électrophysiologique in vitro a permis de mettre en évidence un ralentissement du rythme respiratoire aux fortes (> 50 mu M)concentrations 5-HT, l'inverse se produisant aux faibles concentrations (10 mu M). Chez l'urodèle, notre approche électrophysiologique in vivo a consisté à combiner enregistrements électromyographiques et applications d'agents pharmacologiques sur 1-2 segments de la moelle épinière sous lésionnelle chez des animaux spinaux ayant restauré leur capacité locomotrice (3-8 mois post op. ) Les modifications des différents paramètres locomoteurs ont été appréciées par comparaison avec des données obtenues dans les mêmes conditions chez les animaux intacts. Nos données montrent que l'application exogène de 5-HT (0. 5-25 mu M) provoque un ralentissement du ryhme natatoire de l'animal intact alors qu'elle induit une accélération de celui de l'animal spinalisé. Ces modifications du rythme natatoire sont dose-dépendantes et accompagnées d'un changement dans la coordination intersegmentaire. Ces effets peuvent être reproduits par augmentation de la libération de 5-HT endogène induite par blocage de la recapture de 5-HT. De plus, l'utilisation de différents agonistes et antagonistes des récepteurs 5-HT montre que l'inversion des effets modulateurs de la 5-HT entre animaux intacts et spinalisés résulte d'une inversion des effets via l'activation des récepteurs de type 5-HT3. . Nos données électrophysiologiques montrent également, qu'au contraire des réseaux de nage, les réseaux de marche chez l'animal intact ou spinalisé ne sont pas affectés par une application locale de 5-HT sur quelques segments médullaires. Un marquage immunohistochimique met en évidence, par comparaison avec l'animal intact, une absence de modifications post lésionnelles dans la localisation des récepteurs 5-HT3 au sein de la moelle épinière chez les animaux spinaux ayant restauré leur activité locomotrice. De plus, au moyen d'une technique de double marquage rétrograde, nous avons mis en évidence une régénération translésionnelle d'axones ascendants. Par marquage immunohistochimique nous montrons que certains de ces neurones ont le phénotype GABAergique et qu'ils expriment une immunoréactivité 5-HT3. En conclusion, l'ensemble de ces travaux révèle une grande plasticité du contrôle sérotoninergique des réseaux moteurs des Vertébrés inférieurs. Les résultats obtenus après traumatisme médullaire peuvent avoir des retombées intéressantes dans le domaine de la restauration locomotrice post lésionnelle
It is now well established that the rythmic activities underlying motor behaviors in Vertebrates are generated by neural networks, which are under the control of several neuromodulators, among which serotonin (5-HT) plays a critical role because it is involved in the modulation and functional recovery after lesion of several motor networks. In the present study we have studied the serotonergic 5-HT modulation of the respiratory network in lamprey and that of the locomotor network after spinal cord injury in an adult salamander (Pleurodeles waltlii). Extracellular recordings from the ventral roots in lamprey showed that 5-HT modulates the activity of the respiratory rythm generator in different directions, depending on its concentration. The respiratory rythm was decreased at high concentration (>50 mu M) while it was increased at low (< mu M) concentration. We have investigated the effects of a local application (1-2 spinal segments) of 5-HT on the sublesional spinal cord in recovered (3-8 months post op. ) spinalized salamanders. The induced effects were compared to those induced by a similar drug application in intact animals. The locomotor pattern was documented using electromyographical recordings. Our results showed that an exogenous application of 5-HT (0. 5-205 mu M) induced a decrease of the swimming rythm in intact animal whereas it induced an increase in the swimming rythm in recovered spinal-transected animals. All these effects were mimicked by a local application of a specific 5-HT uptake blocker. This suggested that endogenously released 5-HT could also induce these changes. Pharmacological analyses using different specific 5-HT receptor agonists evidenced that reversal of 5-HT effects on the swimming frequency involved 5-HT3 like-receptors. . . .

La miniaturisation est actuellement la voie de recherche la plus explorée dans divers domaines de la science et de la technologie. Les processus de fabrication comme la lithographie se sont prodigieusement développés au cours de ces dernières années et permettent ainsi une réduction importante de la taille des composants. Ce progrès technologique a créé systématiquement le besoin de techniques de caractérisation fiables, efficaces et si possible à moindre coût. L'objet de cette thèse porte sur l'étude d'un outil mathématique original, à savoir les réseaux de neurones, dans le cadre de la métrologie optique et dimensionnelle achevée par voie ellipsométrique. Dans le premier volet de ce travail nous avons montré que le réseau de neurones peut être efficacement employé pour la détermination des propriétés optiques et géométriques (indice de réfraction et épaisseur) des couches minces. A titre illustratif, la classification neuronale a été proposée pour estimer la gamme d'épaisseur des couches sans aucune information a priori sur la structure. Cette technique peut être couplée avec n'importe quel autre algorithme d'optimisation nécessitant une connaissance préalable de la solution. Le second volet montre clairement l'apport des réseaux de neurones dans le domaine de la scatterométrie pour la caractérisation des réseaux de diffraction possédant différents profils géométriques. La méthode neuronale peut également être employée pour la détermination de la période du réseau lorsque cela est nécessaire. La classification neuronale a ensuite été appliquée pour l'identification structurale du modèle géométrique, donnant ainsi une application directe en lithographie pour la détection automatique d'une couche résiduelle nuisible à l'étape de gravure.

L'un des principaux objectifs des neurosciences est de comprendre comment les fonctions cognitives sont codées par la dynamique des grands réseaux neuronaux. L'étude de la perception sensorielle a principalement été axée sur l'enregistrement de l'activité neuronale induites par des stimulations sensorielles. Une approche alternative réside dans l'utilisation des illusions sensorielles. Ainsi, la perception sensorielle peut avoir lieu en l'absence de stimulation physique externe. Nous avons utilisé une approche multidisciplinaire combinant l'imagerie calcique à deux photons, le comportement moteur et l'optogénétique. Nous avons pu montrerque la larve de poisson zèbre est capable de percevoir " l'effet après mouvement " (EAM). En utilisant l'optogenetique (halorhodopsine) nous avons été capables d'inhiber les mouvementes oculaires pendant la présentation du stimulus conditionné (SC). Nous avons montré que les mouvements des yeux lors du SC ne sont pas impératifs pour l'induction de l'EAM, ce qui suggère que l'EAM n'est probablement pas d'origine musculaire. En utilisant la microscopie à deux photons nous avons montré une habituation de neurones tectales au cours de l'EAM. Cette habituation se dégrade selon une échelle de temps qui correspond au comportement oculo-moteur, lors de l'EAM. En revanche, les cellules ganglionnaires de la rétine ne sont pas habitués. Ceci indique que le toit optique, mais pas la rétine, joue un rôle prépondérant dans l'induction du EAM. Cette approche multidisciplinaire permet de comprendre de façon plus approfondie les mécanismes neuronaux sous-jacents au EAM, et de spéculer sur le corrélat neuronal de la perception du mouvement
One of the main goals in neuroscience is to understand how cognitive functions are encoded by the dynamics of large neuronal networks. The main stream to study sensory perception has mainly focused on sensory stimulation and neuronal recordings of the induced neural responses. An alternative approach is the use of sensory illusions, in which sensory perception take place in the absence of physical external stimulation. For this purpose, we have used a multidisciplinary approach combining the zebrafish larva as the experimental model, two-photon calcium imaging, motor behavior and optogenetics. We showed that the zebrafish larva is capable of perceiving motion after-effect (MAE). Using optogenetics (halorhodopsin) to prevent eye movements during the presentation of the conditioning stimulus (CS), we showed that pursuit eye movements during CS are not imperative for the induction of MAE, suggesting that neither muscular fatigue nor eye-muscle proprioception feedback play a role in the generation of MAE. Furthermore, we used two-photon microscopy in combination with transgenic fish expressing GcaMP3 . We first observed that during MAE, neurons in the optic tectum (the largest and highest visual brain center of the larva) were strongly habituated. This habituation later decayed with a temporal scale that matched that of the optomotor MAE-like behavior. In contrast, no significant habituation was observed in the retina, Thus, we suggested that the optic tectum but not the retina plays a role in generation of MAE. Our approach contributed to a more comprehensive view of the neuronal mechanisms underlying MAE, and shed light on the neuronal correlate of motion perception

La réalisation de couches minces déposées sur substrats est très recherchée dans de nombreuses applications. C'est le cas par exemple des pièces nickelées destinées à des dispositifs à hautes performances techniques, où une couche anti-corrosion est déposée a n d'améliorer leur imperméabilité. L'utilisation de ces structures du type couche sur substrat étant grandissante, on comprend dès lors l'importance de disposer de moyens non destructifs permettant de les contrôler et de les caractériser. Dans ce travail, l'objectif a été de mettre à pro t les ondes acoustiques guidées pour le contrôle et la caractérisation de structures du type plaque. Pour la génération et la détection de ces ondes guidées, la technique laser-ultrasons a été privilégiée. C'est une méthode large bande et sans contact permettant d'éviter l'utilisation d'un milieu de couplage ou tout contact direct avec la structure et pouvant s'adapter à des géométries complexes. Pour tirer pro t au maximum de l'utilisation de cette technique, des réseaux de neurones lui ont été associés a n de résoudre le problème inverse posé par les ondes de plaque. Une méthode de caractérisation originale, e cace et polyvalente a ainsi été mise en oeuvre, permettant de déterminer les propriétés géométriques et/ou mécaniques de plaques simples ou de structures à couches. Des structures composées de silicium ont plus particulièrement été étudiées par le biais de cette méthode. Des simulations éléments nis, ainsi que des études sur certains défauts présents dans les couches minces, comme l'adhérence, sont présentées
The deposition of thin layers on substrates is more and more required in many applications. For example, to reach high technical performance, bumpers or other parts are nickeled to improve their impermeability and resistance. Another example in microelectronics is the realization of transistors found in LCDs where they are associated with each pixel. The use of these layer/substrate structures is growing, so the importance of having non-destructive techniques to monitor and characterize them is well understood. The point in using ultrasonic waves for non-destructive testing and evaluation of various materials and structures is well known. In this work, the aim was to use guided waves to monitor and to characterize plaque-like structures. The main advantage of using these modes lies in their ability to test very large areas and inaccessible structures. For the generation and detection of guided waves, the laser ultrasonics technique was preferred. It is a broadband and non contact method which doesn't imply the use of coupling medium and which can be adapted to complex geometries. To take full advantage of this technique, it has been combined with neural networks in order to solve the inverse problem posed by the propagation of guided waves. As a result, an original, e cient and polyvalent characterization method has been obtained, which allowed us to determine the geometric properties and / or the elastic parameters of di erent plate-like structures. Structures made of silicon have been studied with this method. Finite element simulations and studies concerning the in uence of defects, including adhesion, on the waves propagation are also presented

Le palier magnétique actif présente une solution technologique à plusieurs problèmes puisqu'il assure le guidage en rotation du rotor par rapport au stator sans aucun contact mécanique entre les pièces tournantes et les pièces fixes. Ils constituent une solution technologique pour fonctionner à très grande vitesse de rotation. Toutefois, une vitesse plus élevée mène à l'augmentation des vibrations et du balourd. Ce travail porte sur la conception et réalisation d'une commande neuronale afin d'améliorer le comportement en stabilité et consommation d'énergie du palier magnétique actif. Nous avons développé deux méthodes de commandes neuronales. La première est utilisée afin d'optimiser toutes les réponses temporelles des positions des axes de point de vue dépassement et temps de réponse. Cette méthode sera aussi utiliser pour réduire l'effet du balourd. La deuxième méthode consiste à varier les gains du PID afin de commander le système. Cette méthode va éliminer les oscillations obtenues avec la méthode précédente et conduire à une économie importante au niveau d'énergie. La demière partie est consacrée aux simulations ainsi qu'aux essais obtenus sur un banc expérimental mis en oeuvre au laboratoire Heudiasyc de L'UTC. Les tests d'évaluations des méthodes proposées montrent des résultats satisfaisants
The active magnetic bearing (AMB) presents a solution for technical proble since it ensures the total levitation of a body in space eliminating any mechanical contact between the rotor and the stator. The goal of o work is to show that the control of the AMB by Multilayer perceptions (MLP) involves an improvement of the responses compared to the non linear control of the AMB by classical controllers. Two methods with MLP were developed to control the AMB. The first consists in adding the MLP in order to stabilize the system around the desired answers. This method is also used to reduce the value of the unbalance. In the second method, the MLP controls the parameters of the PID in order to minimize the oscillations of the answers obtained with the previous method. This tuning, by neural network, of the parameters of the PID controller reduces the consumption of the energy used by the AMB. The last section is devoted to the simulation of these two methods and the implementation of the MLP in real time application on an active magnetic bearing at the Heudiasyc laboratory of the UTC

Ce chapitre décrit les solutions actuelles en matière de modélisation spatio-temporelle. Il passe en revue les caractéristiques artisanales et les approches reposant sur l'apprentissage profond. Il décrit également les architectures développées pour étendre la connectivité des détecteurs de points de repère basés sur les réseaux neuronaux convolutionnels afin d'inclure le mouvement local par le biais d'une connectivité précoce. Il analyse les performances de chaque modèle en termes de vitesse, de taille et de nombre de paramètres. La complémentarité entre le mouvement local et le mouvement global a également fait l'objet d’expérimentations. Le protocole expérimental, les détails d'implémentation et les résultats sont présentés avec leur analyse. Des expérimentations sur deux ensembles de données, 300VW et SNaP-2DFe sont fournies afin d'évaluer les résultats obtenus et de les comparer avec les approches de l'état de l'art.

La mission Sentinel-2 de Copernicus est conçue pour fournir des données pouvant être utilisées pour cartographier les variables biophysiques de la végétation a une échelle globale. Les estimations des variables biophysiques de la végétation ne sont pas encore produites de manière opérationnelle par le segment au sol de Sentinel-2. Plutôt, un algorithme de prédiction, appelé Simplified Level 2 Prototype Processor (SL2P), a été défini par l'Agence Spatiale Européenne. SL2P utilise deux réseaux neuronaux à rétropropagation, un pour estimer le variable biophysique de la végétation et l’autre pour quantifier l'incertitude de l'estimation, en utilisant une base de données de conditions de canopée globalement représentatives peuplée à l'aide de simulations de modèle de transfert radiatif de la canopée. SL2P a été mis en œuvre dans la boîte à outils LEAF du Centre Canadien de Télédétection qui s'appuie sur Google Earth Engine. Ce document décrit une implémentation PYTHON de SL2P (SL2P-PYTHON) qui fournit des estimations identiques estimations obtenues avec LEAF en utilisant la même image Sentinel-2 en entrée.