Thèse (Ph.D.)--Université de Sherbrooke (Canada), 2006. / Titre de l'écran-titre (visionné le 27 févr. 2008). In ProQuest dissertations and theses. Publié aussi en version papier.

Les buts de la recherche présentée dans ce mémoire sont : (1) de choisir et d'implémenter un algorithme d'apprentissage pour un système d'information militaire et (2) d'appliquer cet algorithme dans un cadre astrophysique. L'algorithme choisi est le «Evolving Fuzzy Neural Network (EFuNN)». Trois lacunes de l'EFuNN ont été identifiées et corrigées : (1) la métrique n'accepte pas de données manquantes, (2) la méthode de suppression des règles n'est pas adaptée au monde réel et (3) l'EFuNN ne peut pas exploiter ses connaissances statistiques. Pour l'application militaire, trois variations d'une expérience ont été faites : prédire la qualité de sources d'informations distribuées sur une carte. L'EFuNN a eu une précision supérieure aux besoins. Pour l'application astrophysique, l'EFuNN a eu une performance comparable à d'autres réseaux de neurones, ainsi, il pourrait être utile dans un système comprenant plusieurs réseaux de neurones qui votent. / The research presented in this master's thesis has two goals : (1) choose and implement a learning algorithm for a military information System and (2) apply this algorithm to an astrophysic problem of classification. The choosen algorithm is the Evoling Fuzzy Neural Network (EFuNN). Three problems of the EFuNN were found and corrected : (1) The metric was not able to mariage missing data, (2) the pruning method was not adapted to real world learning and (3) the EFuNN was not able to used its statistical knowledge. For the first goal, three variations of the same experiment were made : predict the quality of informations sources that are distributed on a map. The modified EFuNN performed better that needed on those tests. For the second goal, the EFuNN had a similar performance in comparison with other algorithms and it could be useful to include it in a program which uses many algorithms to better its overall performance.