Titre :	Réseaux de neurones à espace d’état pour l’identification des systèmes dynamiques
Type de document :	theses et memoires
Auteurs :	Hichem Amoura, Auteur ; Malik Achab, Auteur ; Karima Amoura, Directeur de thèse
Editeur :	TIZI-OUZOU : FGEI.UMMTO
Année de publication :	2023
Importance :	67 p.
Présentation :	ill.
Format :	30 cm.
Note générale :	Bibliogr.
Langues :	Français
Mots-clés :	Réseaux de neurones  Neurone biologique  Neurone artificiel  Réseaux à propagation avant  Réseaux récurrents  Apprentissage supervisé  Apprentissage non supervisé  Réseaux de neurones à espace d’état (SSNN)  Commandabilité  Observabilité  Systèmes dynamiques  Identification des systèmes  Modélisation  Systèmes linéaires  Systèmes non linéaires.
Résumé :	Ce mémoire explore les réseaux de neurones, en introduisant d’abord leurs concepts fondamentaux et leur importance croissante dans le domaine de l’intelligence artificielle. Il présente les neurones biologiques comme une source d’inspiration pour la conception des neurones artificiels et définit les réseaux de neurones, en distinguant les architectures à propagation avant et récurrentes. Le principe de fonctionnement des réseaux de neurones et leurs mécanismes d’apprentissage, qu’ils soient supervisés, non supervisés ou semi-dirigés, sont ensuite examinés en profondeur. La deuxième partie du document s’intéresse aux réseaux de neurones à espace d’état (SSNN), en abordant leur représentation d’état, leur commandabilité et leur observabilité, ainsi que les avantages et inconvénients spécifiques à cette approche. Les méthodes d’apprentissage appliquées aux SSNN sont discutées, en mettant l’accent sur leur capacité à modéliser des systèmes dynamiques complexes. Enfin, la partie applicative du mémoire se concentre sur l’identification de systèmes linéaires et non linéaires, démontrant la pertinence et l’efficacité des SSNN dans la modélisation et le contrôle des systèmes réels.
Diplôme :	Master
Permalink :	./index.php?lvl=notice_display&id=37724

Réseaux de neurones à espace d’état pour l’identification des systèmes dynamiques [theses et memoires] / Hichem Amoura, Auteur ; Malik Achab, Auteur ; Karima Amoura, Directeur de thèse . - TIZI-OUZOU (TIZI-OUZOU) : FGEI.UMMTO, 2023 . - 67 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français

Mots-clés :	Réseaux de neurones  Neurone biologique  Neurone artificiel  Réseaux à propagation avant  Réseaux récurrents  Apprentissage supervisé  Apprentissage non supervisé  Réseaux de neurones à espace d’état (SSNN)  Commandabilité  Observabilité  Systèmes dynamiques  Identification des systèmes  Modélisation  Systèmes linéaires  Systèmes non linéaires.
Résumé :	Ce mémoire explore les réseaux de neurones, en introduisant d’abord leurs concepts fondamentaux et leur importance croissante dans le domaine de l’intelligence artificielle. Il présente les neurones biologiques comme une source d’inspiration pour la conception des neurones artificiels et définit les réseaux de neurones, en distinguant les architectures à propagation avant et récurrentes. Le principe de fonctionnement des réseaux de neurones et leurs mécanismes d’apprentissage, qu’ils soient supervisés, non supervisés ou semi-dirigés, sont ensuite examinés en profondeur. La deuxième partie du document s’intéresse aux réseaux de neurones à espace d’état (SSNN), en abordant leur représentation d’état, leur commandabilité et leur observabilité, ainsi que les avantages et inconvénients spécifiques à cette approche. Les méthodes d’apprentissage appliquées aux SSNN sont discutées, en mettant l’accent sur leur capacité à modéliser des systèmes dynamiques complexes. Enfin, la partie applicative du mémoire se concentre sur l’identification de systèmes linéaires et non linéaires, démontrant la pertinence et l’efficacité des SSNN dans la modélisation et le contrôle des systèmes réels.
Diplôme :	Master
Permalink :	./index.php?lvl=notice_display&id=37724