Cette thése porte sur la reconnaissance de caractères imprimés et manuscrits par méthodes markoviennes et réseaux bayésiens. La première partie consiste à effectuer une modélisation stochastique markovienne en utilisant les HMMs classiques dans deux cas: semi-continu et discret. Un premier modèle HMM est obtenu à partir d'observations de type colonnes de pixels (HMM-vertical), le second à partir d'observations de type lignes (HMM-horizontal). Ensuite nous proposons deux types de modèles de fusion : modèle de fusion de scores qui consiste à combiner les deux vraisemblances résultantes des deux HMMs, et modèle de fusion de données qui regroupe simultanément les deux observations lignes et colonnes. Les résultats montrent l'importance du cas semi-continu et la performance des modèles de fusion. Dans la deuxième partie nous développons les réseaux bayésiens statiques et dynamiques, l'algorithme de Jensen Lauritzen Olesen (JLO) servant comme moteur d'inférence exacte, ainsi que l'apprentissage des paramètres avec des données complètes et incomplètes. Nous proposons une approche pour la reconnaissance de caractères (imprimés et manuscrits) en employant le formalisme des réseaux bayésiens dynamiques. Nous construisons certains types de modèles: HMM sous forme de réseau bayésien dynamique, modèle de trajectoire et modèles de couplages. Les résultats obtenus mettent en évidence la bonne performance des modèles couplés. En général nos applications nous permettent de conclure que l'utilisation des réseaux bayésiens est efficace et très prometteuse par le fait de modéliser les dépendances entre différentes observations dans les images de caractères.

Les cartes cognitives sont un modèle graphique qui permet de représenter visuellement des influences entre des concepts. Ce modèle est utilisé pour l'aide à la prise de décision. Il dispose pour cela d'une opération, appelée influence propagée, qui calcule l'influence globale de n'importe quel concept de la carte sur n'importe quel autre. Notre première contribution consiste à proposer différents critères de qualité pour valider une carte. Ces critères permettent de s'assurer que l'influence propagée d'un concept sur un autre n'est pas ambiguë. Notre seconde contribution est de synthétiser différentes cartes cognitives produites par différents designers en une carte unique. Nous utilisons pour cela une taxonomie de concepts qui exprime les liens entre les concepts utilisés dans les différents cartes et un ordre de préférence sur ces designers pour gérer les informations contradictoires. Notre troisième contribution consiste à étudier la sémantique qu'on peut donner à une carte cognitive en comparant ce modèle à d'autres modèles de représentation des connaissances. De cette étude, nous définissons le modèle des cartes cognitives probabilistes dans lequel les valeurs des influences sont apparentées à des probabilités. Nous avons également développé un outil logiciel implémentant les différentes notions décrites précédemment.

Le projet Européen " GENIUS " ambitionne de développer les méthodologies génériques pour le diagnostic de systèmes piles à combustible à haute température de type oxyde solide (SOFC). Le travail de cette thèse s'intègre dans ce projet ; il a pour objectif la mise en oeuvre d'un outil de diagnostic en utilisant le stack comme capteur spécial pour détecter et identifierles défaillances dans les sous-systèmes du stack SOFC.Trois algorithmes de diagnostic ont été développés, se basant respectivement sur la méthode de classification k-means, la technique de décomposition du signal en ondelettes ainsi que la modélisation par réseau Bayésien. Le premier algorithme sert au diagnostic ex-situ et est appliqué pour traiter les donnés issues des essais de polarisation. Il permet de déterminer les variables de réponse significatives qui indiquent l'état de santé du stack. L'indice Silhouette a été calculé comme mesure de qualité de classification afin de trouver le nombre optimal de classes dans la base de données.La détection de défaut en temps réel peut se réaliser par le deuxième algorithme. Puisque le stack est employé en tant que capteur, son état de santé doit être vérifié préalablement. La transformée des ondelettes a été utilisée pour décomposer les signaux de tension de la pile SOFC dans le but de chercher les variables caractéristiques permettant d'indiquer l'état desanté de la pile et également assez discriminatives pour différentier les conditions d'opération normales et anormales.Afin d'identifier le défaut du système lorsqu'une condition d'opération anormale s'est détectée, les paramètres opérationnelles réelles du stack doivent être estimés. Un réseau Bayésien a donc été développé pour accomplir ce travail.Enfin, tous les algorithmes ont été validés avec les bases de données expérimentales provenant de systèmes SOFC variés, afin de tester leur généricité.

Le projet Européen « GENIUS » ambitionne de développer les méthodologies génériques pour le diagnostic de systèmes piles à combustible à haute température de type oxyde solide (SOFC). Le travail de cette thèse s’intègre dans ce projet ; il a pour objectif la mise en oeuvre d’un outil de diagnostic en utilisant le stack comme capteur spécial pour détecter et identifierles défaillances dans les sous-systèmes du stack SOFC.Trois algorithmes de diagnostic ont été développés, se basant respectivement sur la méthode de classification k-means, la technique de décomposition du signal en ondelettes ainsi que la modélisation par réseau Bayésien. Le premier algorithme sert au diagnostic ex-situ et est appliqué pour traiter les donnés issues des essais de polarisation. Il permet de déterminer les variables de réponse significatives qui indiquent l’état de santé du stack. L’indice Silhouette a été calculé comme mesure de qualité de classification afin de trouver le nombre optimal de classes dans la base de données.La détection de défaut en temps réel peut se réaliser par le deuxième algorithme. Puisque le stack est employé en tant que capteur, son état de santé doit être vérifié préalablement. La transformée des ondelettes a été utilisée pour décomposer les signaux de tension de la pile SOFC dans le but de chercher les variables caractéristiques permettant d’indiquer l’état desanté de la pile et également assez discriminatives pour différentier les conditions d’opération normales et anormales.Afin d’identifier le défaut du système lorsqu’une condition d’opération anormale s’est détectée, les paramètres opérationnelles réelles du stack doivent être estimés. Un réseau Bayésien a donc été développé pour accomplir ce travail.Enfin, tous les algorithmes ont été validés avec les bases de données expérimentales provenant de systèmes SOFC variés, afin de tester leur généricité. / The EU-project “GENIUS” is targeted at the investigation of generic diagnosis methodologies for different Solid Oxide Fuel Cell (SOFC) systems. The Ph.D study presented in this thesis was integrated into this project; it aims to develop a diagnostic tool for SOFC system fault detection and identification based on validated diagnostic algorithms, through applying theSOFC stack as a sensor.In this context, three algorithms, based on the k-means clustering technique, the wavelet transform and the Bayesian method, respectively, have been developed. The first algorithm serves for ex-situ diagnosis. It works on the classification of the polarization measurements of the stack, aiming to figure out the significant response variables that are able to indicate the state of health of the stack. The parameter “Silhouette” has been used to evaluate the classification solutions in order to determine the optimal number of classes/patterns to retain from the studied database.The second algorithm allows the on-line fault detection. The wavelet transform has been used to decompose the SOFC’s voltage signals for the purpose of finding out the effective feature variables that are discriminative for distinguishing the normal and abnormal operating conditions of the system. Considering the SOFC as a sensor, its reliability must be verifiedbeforehand. Thus, the feature variables are also required to be indicative to the state of health of the stack.When the stack is found being operated improperly, the actual operating parameters should be estimated so as to identify the system fault. To achieve this goal, a Bayesian network has been proposed serving as a meta-model of the stack to accomplish the estimation. At the end, the databases originated from different SOFC systems have been used to validate these three algorithms and assess their generalizability.

Le risque de chute provoqué par le phénomène épisodique de ‘Freeze of Gait’ (FoG) est un symptôme commun de la maladie de Parkinson. Cette étude concerne la détection et le diagnostic des épisodes de FoG à l'aide d'un prototype multi-capteurs. La première contribution est l'introduction de nouveaux capteurs (télémètres et goniomètres) dans le dispositif de mesure pour la détection des épisodes de FoG. Nous montrons que l'information supplémentaire obtenue avec ces capteurs améliore les performances de la détection. La seconde contribution met œuvre un algorithme de détection basé sur des réseaux de neurones gaussiens. Les performance de cet algorithme sont discutées et comparées à l'état de l'art. La troisième contribution est développement d'une approche de modélisation probabiliste basée sur les réseaux bayésiens pour diagnostiquer le changement du comportement de marche des patients avant, pendant et après un épisode de FoG. La dernière contribution est l'utilisation de réseaux bayésiens arborescents pour construire un modèle global qui lie plusieurs symptômes de la maladie de Parkinson : les épisodes de FoG, la déformation de l'écriture et de la parole. Pour tester et valider cette étude, des données cliniques ont été obtenues pour des patients atteints de Parkinson. Les performances en détection, classification et diagnostic sont soigneusement étudiées et évaluées. / Freezing of Gait (FoG) is an episodic phenomenon that is a common symptom of Parkinson's disease (PD). This research is headed toward implementing a detection, diagnosis and correction system that prevents FoG episodes using a multi-sensor device. This particular study aims to detect/diagnose FoG using different machine learning approaches. In this study we validate the choice of integrating multiple sensors to detect FoG with better performance. Our first level of contribution is introducing new types of sensors for the detection of FoG (telemeter and goniometer). An advantage in our work is that due to the inconsistency of FoG events, the extracted features from all sensors are combined using the Principal Component Analysis technique. The second level of contribution is implementing a new detection algorithm in the field of FoG detection, which is the Gaussian Neural Network algorithm. The third level of contribution is developing a probabilistic modeling approach based on Bayesian Belief Networks that is able to diagnosis the behavioral walking change of patients before, during and after a freezing event. Our final level of contribution is utilizing tree-structured Bayesian Networks to build a global model that links and diagnoses multiple Parkinson's disease symptoms such as FoG, handwriting, and speech. To achieve our goals, clinical data are acquired from patients diagnosed with PD. The acquired data are subjected to effective time and frequency feature extraction then introduced to the different detection/diagnosis approaches. The used detection methods are able to detect 100% of the present appearances of FoG episodes. The classification performances of our approaches are studied thoroughly and the accuracy of all methodologies is considered carefully and evaluated

Cette thèse s'inscrit dans les recherches actuelles sur les émotions et les réactions émotionnelles, sur la modélisation et la transformation de la parole, ainsi que sur l'interprétation musicale. Il semble que la capacité d'exprimer, de simuler et d'identifier des émotions, des humeurs, des intentions ou des attitudes, est fondamentale dans la communication humaine. La facilité avec laquelle nous comprenons l'état d'un personnage, à partir de la seule observation du comportement des acteurs et des sons qu'ils émettent, montre que cette source d'information est essentielle et, parfois même, suffisante dans nos relations sociales. Si l'état émotionnel présente la particularité d'être idiosyncrasique, c'est-à-dire particulier à chaque individu, il n'en va pas de même de la réaction associée qui se manifeste par le geste (mouvement, posture, visage, ...), le son (voix, musique, ...), et qui, elle, est observable par autrui. Ce qui nous permet de penser qu'il est possible de transformer cette réaction dans le but de modifier la perception de l'émotion associée. C'est pourquoi le paradigme d'analyse-transformation-synthèse des réactions émotionnelles est, peu à peu, introduit dans les domaines thérapeutique, commercial, scientifique et artistique. Cette thèse s'inscrit dans ces deux derniers domaines et propose plusieurs contributions. D'un point de vue théorique, cette thèse propose une définition de l'expressivité (et de l'expression neutre), un nouveau mode de représentation de l'expressivité, ainsi qu'un ensemble de catégories expressives communes à la parole et à la musique. Elle situe l'expressivité parmi le recensement des niveaux d'information disponibles dans l'interprétation qui peut être vu comme un modèle de la performance artistique. Elle propose un modèle original de la parole et de ses constituants, ainsi qu'un nouveau modèle prosodique hiérarchique. D'un point de vue expérimental, cette thèse fournit un protocole pour l'acquisition de données expressives interprétées. Collatéralement, elle rend disponible trois corpus pour l'observation de l'expressivité. Elle fournit une nouvelle mesure statistique du degré d'articulation ainsi que plusieurs résultats d'analyses concernant l'influence de l'expressivité sur la parole. D'un point de vue technique, elle propose un algorithme de traitement du signal permettant la modification du degré d'articulation. Elle présente un système de gestion de corpus novateur qui est, d'ores et déjà, utilisé par d'autres applications du traitement automatique de la parole, nécessitant la manipulation de corpus. Elle montre l'établissement d'un réseau bayésien en tant que modèle génératif de paramètres de transformation dépendants du contexte. D'un point de vue technologique, un système expérimental de transformation, de haute qualité, de l'expressivité d'une phrase neutre, en français, synthétique ou enregistrée, a été produit, ainsi qu'une interface web pour la réalisation d'un test perceptif en ligne. Enfin et surtout, d'un point de vue prospectif, cette thèse propose différentes pistes de recherche pour l'avenir, tant sur les plans théorique, expérimental, technique que technologique. Parmi celles-ci, la confrontation des manifestations de l'expressivité dans les interprétations verbales et musicales semble être une voie prometteuse.

La compréhension du fonctionnement cérébral passe par l'étude des relations entre les structures cérébrales et les fonctions cognitives qu'elles implémentent. Les études en activation, qui permettent d'obtenir, grâce aux techniques de neuroimagerie fonctionnelle, des données sur l'activité cérébrale pendant l'accomplissement d'une tâche cognitive, visent à étudier ces liens. Ces études, ainsi que de nombreux travaux chez l'animal, suggèrent que le support neurologique des fonctions cognitives est constitué de réseaux à grande échelle d'aires corticales et de régions sous-corticales interconnectées. Cependant, la mise en correspondance simple entre réseaux activés et tâche accomplie est insuffisante pour comprendre comment l'activation découle du traitement de l'information par le cerveau. De plus, le traitement cérébral est très complexe, et les mesures fournies par la neuroimagerie sont incomplètes, indirectes, et de natures différentes, ce qui complique grandement l'interprétation des données obtenues. Un outil de modélisation explicite des mécanismes de traitement et de propagation de l'information cérébrale dans les réseaux à grande échelle est nécessaire pour palier ces défauts et permettre l'interprétation des mesures de l'activité cérébrale en termes de traitement de l'information. Nous proposons ici un formalisme original répondant à ces objectifs et aux contraintes imposées par le système à modéliser, le cerveau. Il est basé sur une approche graphique causale et probabiliste, les réseaux bayésiens dynamiques, et sur une représentation duale de l'information. Nous considérons le cerveau comme un ensemble de régions fonctionnelles anatomiquement interconnectées, chaque région étant un centre de traitement de l'information qui peut être modélisé par un noeud du réseau bayésien. L'information manipulée dans le formalisme au niveau d'un noeud est l'abstraction du signal généré par l'activité de la population neuronale correspondante. Ceci nous conduit à représenter l'information cérébrale sous la forme d'un couple numérique/symbolique, permettant de tenir compte respectivement du niveau d'activation et de la configuration des neurones activés. Ce travail se situe dans le prolongement d'un projet visant à développer une approche causale originale pour la modélisation du traitement de l'information dans des réseaux cérébraux à grande échelle et l'interprétation des données de neuroimagerie. L'aspect causal permet d'exprimer explicitement des hypothèses sur le fonctionnement cérébral. Notre contribution est double. Au niveau de l'intelligence artificielle, l'utilisation de variables aléatoires labellisées dans des réseaux bayésiens dynamiques nous permet de définir des mécanismes d'apprentissage non-supervisés originaux. Sur le plan des neurosciences computationnelles, nous proposons un nouveau formalisme causal, plus adapté à la représentation du fonctionnement cérébral au niveau des réseaux d'aires que les réseaux de neurones formels, et présentant plus de plausibilité biologique que les autres approches causales, en particulier les réseaux causaux qualitatifs.

L'apprentissage d'un réseau Bayésien consiste à estimer le graphe (la structure) et les paramètres des distributions de probabilités conditionnelles associées à ce graphe. Les algorithmes d'apprentissage de réseaux Bayésiens utilisent en pratique une approche Bayésienne classique d'estimation a posteriori dont les paramètres sont souvent déterminés par un expert ou définis de manière uniforme Le coeur de cette thèse concerne l'application aux réseaux Bayésiens de plusieurs avancées dans le domaine des Statistiques comme l'estimation implicite, les familles exponentielles naturelles ou les mélanges infinis de lois Gaussiennes dans le but de (1) proposer de nouvelles formes paramétriques, (2) estimer des paramètres de tels modèles et (3) apprendre leur structure.

En Guadeloupe, l'utilisation de composts se heurte à de nombreux freins, aussi bien en termes de leur qualité qu’en termes d’un manque de plateformes de compostage à grande échelle et de proximité. Des études récentes ont montré que la qualité des composts locaux était plus faible qu’en milieu tempéré, ce qui constituerait un verrou majeur à l’adoption de la pratique et l’utilisation des composts industriels locaux. Pourtant, les objectifs de valorisation des déchets organiques fixés par les instances publiques sont ambitieux et le gisement local, bien que diffus et actuellement mal géré ou négligé, présenterait un réel intérêt pour la profession agricole à être orienté vers la valorisation biologique telle que le compostage. Dans ce contexte, l’objectif de ce travail était d'évaluer la qualité des composts élaborés en milieu tropical et d'apporter des éléments factuels pour son amélioration et, plus spécifiquement, d’apporter de l’information sur les potentialités agronomiques du compostage des effluents d’élevage en Guadeloupe, présentant ainsi le compostage comme une alternative durable pour le recyclage des déchets d’origine animale.Une méta-analyse de 442 composts d'origine diverse, la première réalisée sur le sujet, nous a permis de démontrer que les composts produits en milieu tropical présentent des teneurs en carbone, azote, potassium et fraction soluble de la matière organique plus faibles que celles des composts produits en milieu tempéré, et que cela pourrait notamment être dû à l’influence des conditions climatiques lors du compostage. En revanche, nous avons pu mettre en évidence que certaines matières premières permettaient l’obtention de composts de meilleure qualité quelque soit le climat considéré, il s’agissait entre autres des effluents d’élevage.Les résultats issus d'une série d’expérimentations menée sur la production de composts d’effluents d’élevage avec co-compostage et vermicompostage ont été traités avec une approche méthodologique innovante dans ce domaine, les Réseaux Bayésiens. L’évaluation réalisée sur le co-compostage effluents/déchets verts nous a permis d’identifier l’"effet de concentration" du carbone et de la lignine, comme celui qui définit la qualité des composts en termes de quantité et de stabilité de la matière organique. En revanche, dans le cas des nutriments, seule la qualité des matières premières a été identifiée comme le facteur déterminant de la qualité des produits finaux. Ces résultats nous ont amené à considérer les effluents d’élevage de bovin comme la matière première la plus efficace pour produire des co-composts de qualité satisfaisante, répondant à la problématique d’usure de la matière organique des sols guadeloupéens et permettant de satisfaire les attentes de la profession agricole.De plus des expérimentations réalisées sur les composts domestiques ont montré que la gamme analysée présentait une variabilité trop importante pour être considérée comme acceptable par la profession agricole. Le compostage domestique peut permettre de produire des composts de bonne qualité agronomique à utiliser à la petite échelle des jardins particuliers et des jardins créoles. / In Guadeloupe, the practice of composting faces many obstacles and preconceptions both in terms of quality and in terms of lack of large-scale composting plants as well as local composting facilities. Recent studies have shown that the quality of local composts was lower compared to those from temperate regions. This constitutes an important constraint for the adoption of the former by farmers. However, organic waste recovery targets set by the government are ambitious and local resources, although diffused and currently poorly managed or neglected would be of real interest for the farming profession by being directed towards organic recycling such as composting. In this context, the aim of this thesis was to evaluate the quality of compost produced in the tropics, provide factual elements for improvement and, more specifically, to provide information on the agronomic potential of composting livestock manure in Guadeloupe, presenting composting as a sustainable alternative for the recycling of animal waste.A meta-analysis of 442 composts from various sources, the first one to be conducted on the subject enabled us to demonstrate that composts produced in the tropics present lower contents of carbon, nitrogen, potassium and soluble fraction of organic matter than those produced in temperate environments. This could especially be due to the influence of climatic conditions during composting. However, we were able to show that some raw materials allow better quality composts whatever the considered climate, especially the case of livestock manure.A series of experiments conducted on the production of livestock manure composts with co-composting and vermicomposting were treated with an innovative methodological approach in this field, the Bayesian Networks. The evaluation carried out on co-composting has allowed us to identify that the "concentration effect" was the main factor affecting compost quality in terms of amount and stability of organic matter. While in the case of nutrients, only the quality of raw materials has been identified as the determining factor affecting the quality of the end products. These results led us to consider manure, mainly cattle manure, as the most efficient feedstock for producing satisfactory quality composts, meeting the needs of loss of soil organic matter in Guadeloupe and the needs of the farming profession.Further experiments performed on household composts showed that their quality exhibited a too important variability to be considered acceptable by farmers. Our results indicate that household composts could be suitable for use in small-scale private gardens and Creole gardens.

Les convertisseurs DC-DC suscitent un intérêt considérable en raison de leur puissance élevée et de leurs bonnes performances. Ils sont particulièrement utiles dans les systèmes multisources de production d'énergie électrique. Toutefois, en raison du grand nombre de composants sensibles utilisés dans ces circuits et comprenant des semi-conducteurs de puissance, des bobines et des condensateurs, une probabilité non négligeable de défaillance des composants doit être prise en compte. Cette thèse considère l'un des convertisseurs DC-DC les plus prometteurs - le convertisseur ZVS à pont isolé de type Buck. Une approche en deux étapes est présentée pour détecter et isoler les défauts en circuit ouvert dans les semi-conducteurs de puissance des convertisseurs DC-DC. La première étape concerne la détection et la localisation des défauts dans un convertisseur donne. La seconde étape concerne sur les systèmes munis de plusieurs convertisseurs DC-DC. Les méthodes proposées sont basées sur les réseaux Bayesiens (BBN). Les signaux utilisés dans ces méthodes sont ceux des entrées de mesure du système de commande et aucune mesure supplémentaire n'est requise. Un convertisseur expérimental ZVS à pont isolé de type Buck a été conçu et construit pour valider la détection et la localisation des défauts Sur un seul convertisseur. Ces méthodes peuvent être étendues à d'autres types de convertisseurs DC-DC. / DC-DC converters have received significant interest recently as a result of their high power capabilities and good power quality. They are of particular interest in systems with multiple sources of energy. However due to the large number of sensitive components including power semiconductor devices, coils, and capacitors used in such circuits there is a high likelihood of component failure. This thesis considers one of the most promising DC-DC converters—the ZVS full bridge isolated Buck converter. An approach with two stages is presented to detect and isolate opencircuit faults in the power semiconductor devices in systems with DC-DC converters. The first stage is the fault detection and isolation for a single DC-DC converter, while the second stage works on a system with multiple DC-DC converters. The proposed methods are based on Bayesian Belief Network (BBN). The signals used in the proposed methods are already available as measurement inputs to control system and no additional measurements are required. An experimental ZVS full bridge isolated Buck converter has been designed and built to validate the fault detection and isolation method on a single converter. The methods can be used with other DC-DC converter typologies employing similar analysis and principals.