Apprentissage multi-niveaux dans des reseaux connexionnistes auto-construits : les reseaux semi-algebriques

par ETIENNE MONNERET

Thèse de doctorat en Sciences appliquées

Sous la direction de P. BOURGINE.

Soutenue en 1995

à Caen .

    mots clés mots clés


  • Résumé

    Dans cette these, notre objectif est le developpement de reseaux connexionnistes qui se construisent au cours de l'apprentissage. Nous examinons principalement les proprietes necessaires a la structure de ces reseaux pour permettre: - d'ajouter ou retirer des composants en fonction de criteres statistiques sur le fonctionnement de ces composants ; - de construire des modeles multi-niveaux correspondant a des niveaux d'abstraction croissants de modeles. Nous etudions une nouvelle approche theorique de l'apprentissage basee sur la geometrie: l'apprentissage de varietes caracteristique d'une distribution d'exemples. Nous etudions une famille de modeles novateurs, adaptes a ce nouveau cadre: les reseaux semi-algebriques. Nous montrons comment un caractere geometrique leur confere des avantages importants sur les modeles actuels. Nous illustrons notre propos en proposant un exemple de reseaux semi-algebriques pour la categorisation de distributions. Ces modeles peuvent etre consideres comme des generalisations des cartes topologiques de kohonen


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 182 P.
  • Annexes : 75 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.