Algorithmes d'apprentissage pour reseaux connexionnistes recurrents application a la modelisation de processus d'interpretation

par JEAN-PIERRE RAYSZ

Thèse de doctorat en Sciences appliquées

Sous la direction de Bernard Victorri.

Soutenue en 1991

à Caen .

    mots clés mots clés


  • Résumé

    Les reseaux connexionnistes ont connu un reel engouement ces dernieres annees. Parmi eux, les reseaux recurrents occupent une place a part: ils presentent en theorie des comportements plus varies que les reseaux unidirectionnels mais en pratique, ils n'ont pas encore atteint le niveau de performance de ceux-ci. Les algorithmes existants permettent l'apprentissage de trajectoires et l'apprentissage d'associations simples mais pas l'apprentissage d'associations multiples. Nous proposons plusieurs algorithmes qui permettent de remedier a ce probleme en offrant la possibilite de definir plus precisement la forme des dynamiques produites par ces reseaux. Nous proposons d'utiliser ce nouvel outil pour modeliser un certain nombre d'activites cognitives que nous regrouperons sous l'appellation: processus d'interpretation. Apres avoir decrit les problemes poses par la modelisation de ces processus, nous montrerons en quoi les reseaux connexionnistes recurrents apportent une solution interessante. Nous avons developpe sur ces principes une application sur la polysemie de l'adverbe encore. Nous presentons les differentes etapes de cette experimentation et les resultats que nous avons obtenus


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Annexes : 51 REF

Où se trouve cette thèse ?

  • Bibliothèque : Université de Caen Normandie. Bibliothèque universitaire Sciences - STAPS.
  • Accessible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.