Recherche Avancée

Thèse soutenue

Statistiques et réseaux de neurones pour un système de diagnostic : application au diagnostic de pannes automobiles

FR  |  
EN
Auteur / Autrice : Hervé Poulard
Direction : Daniel Estève
Type : Thèse de doctorat
Discipline(s) : Intelligence artificielle
Date : Soutenance en 1996
Etablissement(s) : Toulouse 3

Résumé

FR

Ce travail a ete realise dans le cadre d'une convention cifre entre le laas-cnrs et la societe actia qui developpe des outils d'aide au diagnostic de pannes automobiles. Le but etait l'utilisation des reseaux de neurones artificiels pour la conception d'une nouvelle methode de diagnostic de pannes automobiles sans modele, ni information symbolique mais uniquement des observations du systeme en bon et en mauvais fonctionnement. C'est donc une approche du diagnostic de systemes complexes par reconnaissance de formes. Apres avoir mis au point le systeme d'acquisition, nous avons concu une premiere maquette qui a demontre la faisabilite d'un tel systeme et l'interet des reseaux de neurones, mais qui a souleve de nombreux problemes. L'utilisation particuliere des reseaux de neurones dans cette application a necessite l'usage d'algorithmes de construction. Apres une etude theorique des structures de l'hypercube qui n'a pas abouti a un algorithme de construction mais qui a fourni plusieurs resultats theoriques, nous avons developpe une famille d'algorithmes pour la construction des reseaux de neurones binaires. Le cur de ces outils est une nouvelle methode d'apprentissage d'unites a seuil tres performante denommee barycentric correction procedure (bcp). L'aboutissement est un algorithme novateur car tres general (entrees quelconques et sorties multiples), rapide et avec un bon pouvoir de generalisation. Nous avons finalement mis au point une nouvelle methodologie de diagnostic, dans laquelle l'utilisation de methodes statistiques et d'analyse de donnees en collaboration avec les reseaux neuronaux parut necessaire. Cette methodologie utilise donc des techniques tres diverses: analyse en composantes principales, estimation de densite de probabilite, classification automatique, calcul d'enveloppes convexes, generation geometrique de bases d'apprentissage, construction de reseaux de neurones binaires, reseaux de neurones gaussiens et methodes de diagnostic simples. Cette methodologie a ete appliquee avec succes au probleme de la detection de pannes automobiles et a aussi montre des potentialites pour le diagnostic preventif. Elle est de plus assez generique pour avoir de nombreuses applications potentielles