Contribution à l'étude de structures neuronales pour la classification de signatures : application au diagnostic de pannes des systèmes industriels et à l'aide au diagnostic médical

par Anne-Sophie Bellanger-Dujardin

Thèse de doctorat en Génie biologique et médical

Sous la direction de Kurosh Madani.


  • Résumé

    Le problème du diagnostic se rencontre dans de nombreux domaines, notamment médical et industriel, et l'homme y joue un rôle indispensable. La difficulté majeure de ce problème repose sur la similitude des signatures permettant de faire un diagnostic. De plus, on dispose souvent d’une connaissance empirique du système, et donc, d’un modèle incomplet, nécessitant le recours à un expert. Nos efforts se sont concentrés sur des techniques à base de réseaux de neurones artificiels pour l'aide au diagnostic. En effet, pour les tâches de reconnaissance, de classification et de décision, ces techniques représentent un certain nombre d'avantages par rapport aux approches conventionnelles grâce à leur capacité d'apprentissage et de généralisation. Constatant de plus que les techniques neuronales simples ne permettent pas d'obtenir de bons résultats, nous proposons une structure neuronale hybride. Deux volets ont alors été considérés : l'un biomédical et l'autre, industriel.

  • Titre traduit

    Contribution to neural structures study for signatures classification : application to fault diagnosis in industrial systems and medical computer aided diagnosis


  • Résumé

    The problem of diagnosis occurs in many fields, especially medical and industrial, where operator has a key role. The major difficulty bound to this problem lies on the resemblance between the signatures which allow to make a diagnosis. Furthermore, we often have an empirical knowledge of the system, and thus, an incomplete model, requiring the appeal to an expert. Our efforts were focused on techniques based on neural techniques for computer aided diagnosis. For the tasks of pattern recognition, classification and decision, the proposed techniques indeed presents a number of advantages over conventional models because of their abilities of learning and generalization. Moreover, noticing that simple neural techniques do not allow obtaining good results, we propose a neural hybrid structure. Two areas of applications have been considered: one linked to the biomedical field and the other concerning the industrial domain.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 150 f.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. f. 118-122

Où se trouve cette thèse ?

  • Bibliothèque : Université d'Evry-Val-d'Essonne. Service commun de la documentation. Bibliothèque de l'UFR sciences et technologie.
  • Consultable sur place dans l'établissement demandeur
  • Cote : 006.3 BEL con
  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de la documentation. Section multidisciplinaire.
  • Consultable sur place dans l'établissement demandeur

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de la documentation. Section multidisciplinaire.
  • Consultable sur place dans l'établissement demandeur
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.