Recherche Avancée

Thèse soutenue

Algorithmes parallèles sur transputers : applications en neurosciences

FR  |  
EN
Auteur / Autrice : Antonio Pinti
Direction : Julien Gresser
Type : Thèse de doctorat
Discipline(s) : Électronique, électrotechnique et automatique
Date : Soutenance en 1993
Etablissement(s) : Mulhouse

Résumé

FR

Les travaux de cette thèse s'inscrivent dans le cadre de deux expérimentations dans le domaine des neurosciences. L'une concerne l'acquisition, le traitement et la visualisation temps-réel de signaux électrophysiologiques, l'autre la conception d'un outil de simulation rapide de reconnaissance de formes pour l'étude de l'analyse automatique des stades du sommeil. Pour enregistrer et traiter les signaux électrophysiologiques, nous avons utilisé la puissance des transputers et du langage Occam. Les algorithmes de traitements ont été parallélisés pour respecter les contraintes temps-réel. Nous avons mis au point une méthode basée sur les réseaux de Petri stochastiques généralisés pour modéliser le flux de données et optimiser les programmes. Le logiciel de simulation rapide pour la reconnaissance de formes (RdF) fonctionne sur machine parallèle T-node. Il regroupe des algorithmes connexionnistes tels que le réseau de neurones multicouches et des méthodes non paramétriques telles que les K plus proches voisins. Ce programme parallèle appelé « FAST-NN » est exécuté sur une configuration de transputers de type anneau ou arbre. Il nous a permis d'accélérer les temps de calcul d'un facteur 100 par rapport à un Compaq 386-25. Les performances de la classification automatique des stades du sommeil ainsi que sa robustesse ont été améliorées en augmentant le nombre de vecteurs de l'ensemble d'apprentissage et en faisant varier les paramètres des algorithmes de RdF (nombre de neurones, nombre de voisins, pas de convergence). Ce nouvel outil permettra de tester d'autres applications comme le rejet d'artefacts en electroencéphalographie