Etude de la generalisation dans les perceptrons multi-couche : application a la reconnaissance des formes

Multi layer perceptron's generalization study: application to pattern recognition

• Auteur / Autrice : EDUARDO SEPULVEDA
• Direction : M. MILGRAM
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1994
• Etablissement(s) : Paris 6

Résumé

Cette these traite des reseaux de neurones et leur application aux problemes de reconnaissance des formes. L'inexistence de solution mathematique a ces problemes font de l'outil reseau de neurones une alternative aux solutions classiques ou les principaux inconvenients sont l'absence de connaissance des distributions statistiques des formes et la grande dimensionalite des donnees. Les methodes connexionnistes permettent d'aborder ces problemes sans avoir a priori besoin de connaitre la statistique du probleme concerne. Dans un premier temps nous avons utilise les reseaux de neurones pour essayer de resoudre deux problemes specifiques: la detection d'une balise placee dans l'environnement d'un robot mobile afin d'aider a localiser ce dernier et la reconnaissance de caracteres manuscrits omni-scripteurs. Dans les deux cas, la quantite insuffisante d'exemples nous ont conduit a reduire la dimension des donnees a l'aide de codages specifiques. Les resultats insuffisants obtenus nous ont fait conclure que l'utilisation de ces codages n'est pas adaptee au probleme. Ensuite nous proposons une approche hybride ou nous utilisons les reseaux neuronaux pour reduire la dimension des donnees. La classification est assuree par un classifieur des plus-proches-voisins lequel, a l'aide d'une fonction de cout specifique qui est minimisee par une extension de la retropropagation classique, guide la reduction de la dimension effectuee par le reseau. Nous avons applique cette methode au probleme de la reconnaissance de caracteres manuscrits, obtenant une amelioration a la fois de la vitesse moyenne de reconnaissance et du taux d'erreur commise par le classifieur des plus-proches-voisins. L'inconvenient de cette methode etant le temps de calcul necessaire pour realiser l'apprentissage, nous proposons des ameliorations pour le reduire