Toubkal : Le Catalogue National des Thèses et Mémoires
Modèles Stochastiques et Amélioration des algorithmes d'apprentissages : Régularisation et estimation des paramètres dans les RNA
Title: | Modèles Stochastiques et Amélioration des algorithmes d'apprentissages : Régularisation et estimation des paramètres dans les RNA |
Author: | En Naïmani Zakariae |
Abstract: | Les modèles neuronaux ne cessent de prouver leur efficacité dans plusieurs domaines d'application. Néanmoins, ils souffrent du problème de choix du modèle qui a une grande influence sur la phase d'apprentissage de ces derniers. Le travail de recherche exposé dans cette thèse traite deux problèmes d'actualité : le choix du modèle et l'initialisation des paramètres pour les modèles neuronaux classiques et probabilistes, notamment, pour les cartes auto-organisatrices déterministes et probabilistes ainsi que pour les modèles de mélanges Gaussiens. Pour résoudre ce problème de choix du modèle, qui consiste à trouver le nombre de neurones de la carte auto-organisatrice déterministe et probabiliste ainsi que ses paramètres initiaux, nous proposons des modèles mathématiques non linéaires sous contraintes à variables mixtes. Nous proposons également une approche ascendante qui nous permet de lier la résolution du problème de la dégénérescence, dans les cartes auto-organisatrices probabilistes ainsi que dans les modèles de mélanges gaussiens, à la résolution du problème de choix des paramètres des modèles. Par ailleurs, l'optimalité des architectures des modèles proposés, nous a aidé à développer trois systèmes originaux pour le traitement automatique de la parole (reconnaissance et compression). |
Date: | 2018-03-03 |
Files in this item
Files | Size | Format | View | |
---|---|---|---|---|
Document indisponible1.doc | 22.52Kb | Microsoft Word |
View/ |
|