L'industrie forestière cherche à mieux identifier la qualité de la fibre de bois des peuplements forestiers afin d'améliorer la planification et la gestion des opérations forestières, des étapes de planification jusqu'à la distribution, en passant pas les opérations de récolte. Pour se faire, une meilleure compréhension des relations qui unissent les attributs de la fibre de bois et les variables environnementales est proposée. Cette étude vise à quantifier ces relations, à l'échelle de la placette, afin de développer des modèles prédictifs pour l'île de Terre-Neuve. Les attributs de fibre de bois ont été mesurés grâce à l'analyse de carottes de bois de dix arbres par placette par la procédure SilviScan(TM) (FPInnovations, Vancouver) dans 77 placettes dominées par le Picea mariana (épinette noire) et 117 dominées par l'Abies balsamea (sapin baumier). Les placettes ont été sélectionnées pour représenter la gamme de gradients structuraux des peuplements forestiers présents à Terre-Neuve sur la base de la composition des espèces, la taille, densité de la couronne et les classes de qualité de site. Ce mémoire expose les méthodes et résultats de la modélisation liant les variables environnementales avec neuf attributs de fibre de bois (densité du bois, masse linéique, longueur des fibres de bois, module d'élasticité, angle des microfibrilles, épaisseur de la paroi des cellules, surface spécifique et périmètre de la cellule). Les variables environnementales comprennent des données d'inventaire forestier, des interpolations spatiales pour les données climatiques, et des variables géographiques. L'inférence multimodèle a été utilisée pour prédire les différents attributs de la fibre, à partir de modèles sélectionnés selon le critère d'information d'Akaike parmi un ensemble de modèles candidats. Des coefficients de corrélation variant de 0,25 à 0,63 ont été trouvés dans les différents modèles d'attributs de la fibre de bois. Une procédure de validation croisée a été utilisée pour valider les résultats de l'inférence multimodèle. Les erreurs quadratiques moyennes obtenues sont, de manière générale, assez proches de la valeur moyenne des attributs (< 10 %). La variable de l'âge et celle de l'éclaircie précommerciale ont été identifiées comme étant des variables d'influence. La modélisation des attributs de la fibre a permis une cartographie de la distribution spatiale pour l'île de Terre-Neuve. Les résultats présentés dans ce mémoire rencontrent les objectifs de modélisation prédictive des attributs de la fibre du bois au niveau du paysage à l'aide des variables environnementales et climatiques.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Les travaux présentés dans le cadre de cette thèse portent sur l'étude, la conception, le développement et le test d'un système de reconnaissance de mots manuscrits non contraints en-ligne pour une application omni-scripteurs. Le système proposé repose sur une architecture hybride neuro-markovienne comportant d'une part, un réseau de neurones à convolution (TDNN et/ou SDNN), et d'autre part des modèles de Markov à états cachés (MMC). Le réseau de neurones a une vision globale et travaille au niveau caractère, tandis que le MMC s'appuie sur une description plus locale et permet le passage du caractère au niveau mot. Nous avons d'abord étudié le système de reconnaissance au niveau caractère isolé (digits, majuscules, minuscules) et optimisé les architectures des réseaux en termes de performances et de taille. La seconde partie du travail a porté sur le passage au niveau mot. Ici, l'effort a consisté avant tout à la définition d'un schéma d'apprentissage global au niveau mot qui permet d'assurer la convergence globale du système, en définissant une fonction d'objectif qui mixe des critères basés modèle générateur (typiquement par maximum de vraisemblance) et des critères discriminants (de type maximum d'information mutuelle). Les différentes résultats présentés (sur les bases MNIST, IRONOFF, UNIPEN) montrent l'influence des principaux paramètres du système, soit en termes de topologie, de sources d'information, de modèles d'apprentissage (nombre d'états, pondération des critères, durée).

Cette thèse porte sur la structuration en locuteurs de différents types d'enregistrements audio, en particulier des journaux télévisés ou radiophoniques et des réunions. La structuration en locuteurs a pour objectif de répondre à la question ''qui a parlé quand'' dans un document audio donné. Cette thèse fait l'hypothèse qu'aucune connaissance a priori sur la voix de locuteurs ou sur leur nombre n'est disponible. La principale originalité du système de structuration en locuteurs pour des journaux télévisés ou radiophoniques présenté est de combiner deux étapes de regroupement en locuteurs: la première étape se fonde sur le Critère d'Information Bayesien (BIC) avec des Gaussiennes à matrice de covariance pleine et la deuxième étape de regroupement recombine les classes résultant en utilisant des techniques proposées pour l'identification du locuteur et utilisant des modèle de mélange de Gaussiennes (GMM) adaptés à partir d'un modèle générique. Ce système a été validé dans l'évaluation internationale NIST RT-04F (Rich Transcription 2004 Fall) et l'évaluation française ESTER 2005 du projet Technolangue EVALDA. Il a obtenu les meilleurs résultats dans les deux évaluations. Le système de structuration en locuteurs conçu pour les journaux télévisés a également été adapté aux réunions. Il intègre un nouveau détecteur de parole fondé sur le rapport de log-vraisemblance. Diverses techniques de normalisation des paramètres acoustiques et différentes représentations acoustiques ont été testées au cours de cette adaptation. Dans la dernière évaluation du NIST sur de réunions, le système adapté a eu un taux d'erreur de 26% environ sur les données de conférences et séminaires.