Apport des réseaux de neurones artificiels à la tolérance aux fautes en environnement spatial des fonctions de bord

• Auteur / Autrice : Lionel Vintenat
• Direction : Paul Bourret
• Type : Thèse de doctorat
• Discipline(s) : Informatique fondamentale et parallélisme
• Date : Soutenance en 1999
• Etablissement(s) : École nationale supérieure de l'aéronautique et de l'espace (Toulouse ; 1972-2007)

Mots clés

Mots clés contrôlés

Environnement spatial

Tolérance aux fautes (informatique)

Électronique numérique

Cartes auto-organisatrices

Réseaux neuronaux (informatique)

Résumé

Une qualité souvent prêtée aux réseaux de neurones artificiels est d'être tolérants aux fautes. Dans les ouvrages de présentation générale, cette propriété est presque toujours introduite comme étant "naturelle", c'est-à-dire obtenue sans précaution particulière pendant l'apprentissage. D'autre part, l'environnement spatial est connu pour être agressif pour le matériel embarqué, ce qui se manifeste par divers dysfonctionnements. En particulier, on constate, pour les circuits numériques, le phénomène d'upset, c'est-à-dire l'inversion intempestive d'une bascule mémoire. Partant de ces deux constatations, on peut se demander si des circuits neuronaux ne constitueraient pas une solution intéressante et robuste pour implanter certaines fonctions de bord des engins spatiaux. Dans un premier temps, les différents aspects du problème sont exposés en détail : les réseaux de neurones artificiels et leur tolérance aux fautes, les circuits neuronaux, l'environnement spatial et les défaillances résultantes. En conclusion de cette présentation, une technique particulière pour réaliser des circuits neuronaux est choisie pour sa simplicité, et surtout pour le peu de bascules mémoires qu'elle met en jeu : les trains aléatoires d'impulsions. Une méthode originale de reconnaissance d'étoiles dans un champ de vue est ensuite proposée pour la fonction de bord "calcul d'attitude". Cette méthode s'appuie sur un réseau à compétition de type winner-takes-all, et sur une carte auto-organisatrice de Kohonen. Une implémentation matérielle de ces deux modèles neuronaux est alors proposée à l'aide de trains aléatoires d'impulsions. Cette réalisation permet, d'une part de mettre en lumière les difficultés liées à cette technique particulière d'implantation, et d'autre part de faire une première évaluation quant à sa tolérance aux upsets en pratique.