Construction et apprentissage statistique de modèles auto-associatifs non-linéaires : application à l'identification d'objets déformables en radiographie

par Stéphane Girard

Thèse de doctorat en Mathématiques appliquées

Sous la direction de Bernard Chalmond.


  • Résumé

    En radiographie numérique la comparaison de l'image d'une pièce à un ensemble d'images de références est une technique permettant de pallier le problème de superposition ou de détecter des défauts de fabrication. Lorsque l'objet observé n'est pas de géométrie fixe, la comparaison demande de construire un modèle capable de représenter l'objet et ses éventuelles déformations. Nous présentons dans cette thèse une méthode originale pour construire un modèle à partir d'un jeu d'exemples. Le problème est considéré du point de vue de l'analyse des données multidimensionnelles, ce qui assure un apprentissage des déformations applicable à une grande classe de problèmes. Dans une première partie, nous traitons un exemple de contrôle par radiographie de soudures de circuits imprimés. Nous montrons comment un modèle linéaire des déformations d'une patte de circuit imprimé permet de construire une image caractéristique des soudures. Dans une seconde partie, nous montrons les limites du modèle linéaire sur des simulations de déformation de courbes, et nous proposons une méthode innovante de construction de modèles non-linéaires. Ces modèles, que nous appelons modèles composés, se placent dans le cadre des méthodes Auto-Associatives et s'appuient sur les techniques de Poursuite de Projection en Régression. En effet, nous prouvons d'une part que les modèles composés étendent les propriétés d'approximation des méthodes Auto-Associatives classiques et, d'autre part, nous adoptons une mise en œuvre par un algorithme itératif inspiré de la Poursuite de Projection. La convergence de cet algorithme vers la solution exacte en un temps fini est démontrée

  • Titre traduit

    Design and statistical learning of non-linear auto-associative models : application to flexible objects identification in radiography


  • Pas de résumé disponible.

Autre version

Cette thèse a donné lieu à une publication en 1996 par Université de Cergy-Pontoise à Cergy-Pontoise

Construction et apprentissage statistique de modèles auto-associatifs non-linéaires : application à l'identification d'objets déformables en radiographie


Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (118 p.)
  • Annexes : Bibliogr. p.115-118 (53 réf.)

Où se trouve cette thèse\u00a0?

  • Bibliothèque : CY Cergy Paris Université. Service commune de la documentation. Bibliothèque universitaire de Saint-Martin.
  • Disponible pour le PEB
  • Cote : TS CERG 1996 GIR
  • Bibliothèque : Université Savoie Mont Blanc. Bibliothèque du Laboratoire d'informatique, Systèmes, Traitement de l'information et de la connaissance (LISTIC).
  • Disponible pour le PEB
  • Cote : T P1996/15
  • Bibliothèque : Moyens Informatiques et Multimédia. Information.
  • Disponible pour le PEB
  • Cote : G-GIR

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université Grenoble Alpes (Saint-Martin d'Hères, Isère). Bibliothèque et Appui à la Science Ouverte. Bibliothèque universitaire Joseph-Fourier.
  • Non disponible pour le PEB
  • Cote : MF-1996-GIR
  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de la documentation. Section multidisciplinaire.
  • PEB soumis à condition
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.

Consulter en bibliothèque

Cette thèse a donné lieu à une publication en 1996 par Université de Cergy-Pontoise à Cergy-Pontoise

Informations

  • Sous le titre : Construction et apprentissage statistique de modèles auto-associatifs non-linéaires : application à l'identification d'objets déformables en radiographie
  • Détails : 1 vol. (118 p.)
  • Annexes : Bibliogr. p.115-118
La version de soutenance de cette thèse existe aussi sous forme papier.

Où se trouve cette thèse\u00a0?

Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.