Contribution à l’amélioration des performances des algorithmes à réseaux de neurones artificiels : application à des systèmes dynamiques non linéaires

Abstract

Les Réseaux de Neurones Artificiels (RNA), inspirés du comportement des neurones biologiques, forment aujourd’hui un domaine de recherche intéressant qui a su captiver beaucoup d’attention grâce à son implication dans beaucoup de domaines tel que : la classification, la prédiction, la commande,..,etc. Cependant, pour garantir l’efficacité des RNA, plusieurs paramètres doivent être pris en compte tel que : le choix de l’architecture neuronale, le nombre de couches et de neurones dans chacune d’elles, l’initialisation des poids de connexions des neurones, la sélection des données qui définissent la phase d’apprentissage ainsi que la phase de test et le type d’algorithme d’apprentissage. L’objectif de ce travail est d’apporter un modeste apport au domaine des RNA en proposant deux contributions qui se résument à : ? l’utilisation d’une nouvelle approche pour l’apprentissage d’un réseau multicouches à une seule couche cachée afin de résoudre le problème du XOR ? l’application de la notion de neurone mémoire pour modifier la structure des réseaux de neurones et l’appliquer à l’identification et au contrôle des systèmes non linéaires