Architectures neuronales pour l'approximation des fonctions de transfert : application à la télédétection

par Carlos E. Mejía

Thèse de doctorat en Informatique

Sous la direction de Françoise Fogelman-Soulié.

Soutenue en 1992

à Paris 11 .

mots clés

Résumé

Cette these propose une methodologie basee sur des reseaux connexionnistes pour une application a un probleme d'approximation de fonctions de transfert dans le domaine de l'oceanographie. Le probleme traite est issu de la teledetection spatiale, et consiste a determiner les caracteristiques du vent vitesse et direction soufflant sur l'ocean en fonction de mesures radar, prises par satellite. Les approches classiques pour la resolution du probleme utilisent des fonctions de transfert analytiques d'origine empirique. La fonction de transfert etudiee est complexe, multivoque et intrinsequement ambigue. Les reseaux multicouches sont des approximateurs universels et peuvent approximer une fonction reelle quelconque avec une precision arbitrairement petite. L'etude de cette fonction de transfert nous a suggere une approche connexionniste modulaire qui nous permet d'incorporer des connaissances a priori sur le probleme par decomposition de la tache globale en sous taches plus simples a resoudre. Une amelioration de l'approximation a l'aide des proprietes de classifieur des reseaux multicouches est proposee. Cette methodologie nous a permis de resoudre ce probleme avec une precision et des taux d'erreur conforme aux exigences des oceanographes, et elle peut etre appliquee a la resolution d'autres problemes d'approximation de fonctions de transfert

Titre traduit

Neural network architectures for the approximation of transfer functions: application to remote sensing

Pas de résumé disponible.