Thèse soutenue

Algorithmes d'apprentissage pour reseaux connexionnistes recurrents application a la modelisation de processus d'interpretation
FR  |  
EN
Accès à la thèse
Auteur / Autrice : JEAN-PIERRE RAYSZ
Direction : Bernard Victorri
Type : Thèse de doctorat
Discipline(s) : Sciences appliquées
Date : Soutenance en 1991
Etablissement(s) : Caen

Résumé

FR

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