No description available.

Cette thèse présente une méthode pour désagréger les appareils électriques dans le profil des bâtiments résidentiels de charge. Au cours des dernières années, la surveillance de l’énergie a obtenu beaucoup de popularité dans un environnement privé et industriel. Avec des algorithmes de la désagrégation, les données mesurées à partir de soi-disant compteurs intelligents peuvent être utilisés pour fournir de plus amples informations de la consommation d’énergie. Une méthode pour recevoir ces données est appelé non-intrusifs charge identification. La majeure partie de la thèse peut être divisée en trois parties. Dans un premier temps, un système de mesure propre a été développé et vérifié. Avec ce système, les ensembles de données réelles peuvent être générés pour le développement et la vérification des algorithmes de désagrégation. La deuxième partie décrit le développement d’un détecteur de flanc. Différentes méthodes sont présentées et évaluées, avec lequel les temps de commutation des appareils peuvent être détectés dans le profil de la charge. La dernière partie décrit un procédé de classification. Différents critères sont utilisés pour la classification. Le classificateur reconnaît et étiquette les appareils individuels de la courbe de charge. Pour les classifications différentes structures de réseaux de neurones artificiels sont comparés. / This thesis presents a method to disaggregate electrical appliances in the load profile of residential buildings. In recent years, energy monitoring has obtained significantly popularity in private and industrial environment. With algorithms of the disaggregation, the measured data from so-called smart meters can be used to provide more information of the energy usage. One method to receive these data is called non-intrusive appliance load monitoring.The main part of the thesis can be divided into three parts. At first, an own measurement system was developed and verified. With that system, real data sets can be generated for the development and verification of the disaggregation algorithms. The second part describes the development of an event detector. Different methods are presented and evaluated, with which the switching times of the appliances can be detected in the load profile. The last part describes a classification method. Different features are used for the classification. The classifier recognizes and labels the individual appliances in the load profile. For the classification different structures of artificial neural network (ANN) are compared.

Face à la limitation de la modélisation paramétrique, nous avons proposé dans cette thèse une procédure standard pour combiner les données reçues a partir de Réseaux de capteurs sans fils (WSN) pour modéliser a l'aide de Réseaux de Neurones Artificiels (ANN). Des expériences sur la modélisation thermique ont permis de démontrer que la combinaison de WSN et d'ANN est capable de produire des modèles thermiques précis. Une nouvelle méthode de formation "Multi-Pattern Cross Training" (MPCT) a également été introduite dans ce travail. Cette méthode permet de fusionner les informations provenant de différentes sources de données d'entraînements indépendants (patterns) en un seul modèle ANN. D'autres expériences ont montré que les modèles formés par la méthode MPCT fournissent une meilleure performance de généralisation et que les erreurs de prévision sont réduites. De plus, le modèle de réseau neuronal basé sur la méthode MPCT a montré des avantages importants dans le multi-variable Model Prédictive Control (MPC). Les simulations numériques indiquent que le MPC basé sur le MPCT a surpassé le MPC multi-modèles au niveau de l'efficacité du contrôle. / A Wireless Sensor Network (WSN) consisting of autonomous sensor nodes can provide a rich stream of sensor data representing physical measurements. A well built Artificial Neural Network (ANN) model needs sufficient training data sources. Facing the limitation of traditional parametric modeling, this paper proposes a standard procedure of combining ANN and WSN sensor data in modeling. Experiments on indoor thermal modeling demonstrated that WSN together with ANN can lead to accurate fine grained indoor thermal models. A new training method "Multi-Pattern Cross Training" (MPCT) is also introduced in this work. This training method makes it possible to merge knowledge from different independent training data sources (patterns) into a single ANN model. Further experiments demonstrated that models trained by MPCT method shew better generalization performance and lower prediction errors in tests using different data sets. Also the MPCT based Neural Network Model has shown advantages in multi-variable Neural Network based Model Predictive Control (NNMPC). Software simulation and application results indicate that MPCT implemented NNMPC outperformed Multiple models based NNMPC in online control efficiency.

Depuis sa création, la projection thermique ne cesse d’étendre son champ d’application en raison de ses potentialités à projeter des matériaux bien différents (métallique, céramique, plastique,...) sous des formes bien différentes aussi (poudre, fil, suspension, solution,...). Plusieurs types de procédés ont été développés afin de satisfaire les applications industrielles, par exemple, le procédé HVOF (High Velocity Oxygen Fuel), le procédé APS (Atmospheric Plasma Spraying), le procédé VLPPS (Very Low Pressure Plasma Spray). Parmi ces procédés, le procédé APS est aujourd’hui bien implanté dans l’industrie et en laboratoire réussissant à élaborer des revêtements de bonne qualité à coût intéressant. Néanmoins, cette technologie pâtit des incidences des instabilités du procédé sur la qualité du produit obtenu et souffre d’un manque de compréhension des relations entre les paramètres opératoires et les caractéristiques des particules en vol.Pour rappel, pendant la projection APS, les phénomènes d’instabilité du pied d’arc, d’érosion des électrodes, d’instabilité des paramètres opératoires ne peuvent pas être complètement éliminés. Et, il est encore aujourd’hui difficile de mesurer et de bien contrôler ces paramètres.Compte tenu des progrès réalisés sur les moyens de diagnostic qui peuvent être utilisés en milieu hostile (comme dans le cas de la projection APS), un contrôle efficace de ce procédé en boucle fermée peut être maintenant envisagé et requiert le développement d’un système expert qui se compose des réseaux de neurones artificiels et de logique floue. Les réseaux de neurones artificiels sont développés dans plusieurs domaines d’application et aussi maintenant au cas de la projection thermique. La logique floue quant à elle est une extension de la logique booléenne basée sur la théorie mathématique des ensembles flous. Nous nous sommes intéressés dans ce travail à bâtir le modèle de contrôle en ligne du procédé de projection basé sur des éléments d’Intelligence Artificielle et à construire un émulateur qui reproduise aussi fidèlement que possible le comportement dynamique du procédé. / Since its creation, the thermal spraying continuously expands its application scope because of its potential to project very different materials (metal, ceramic, plastic ...) as well as different forms (powder, wire, suspension, solution ...). Several types of methods have been developed to meet industrial applications, for example, the process HVOF (High Velocity Oxygen Fuel), the process APS (Atmospheric Plasma Spraying), the process VLPPS (Very Low Pressure Plasma Spray). Among these methods, the APS process is now well established in the industry and laboratory for successfully developing coatings with good quality but low cost. However, this technology suffers from the instability effect of the process on the obtained product quality and endures a lack of understanding of the relationship between the operating parameters and the characteristics of in-flight particles.As a reminder, during the projection APS, the arc foot instability phenomena, the electrode erosion, the instability of the operating parameters cannot be completely eliminated. Further, it is still difficult to measure and control these parameters well. With the developing technology of diagnostic tools that can be used in a hostile environment (as in the case of APS process), an effective control of APS process in closed-loop can be considered and requires the development of an expert system consisting of artificial neural networks and fuzzy logic controlling. The artificial neural networks have been developed in several application fields and now also to plasma spraying process. Fuzzy logic controlling is an extension of Boolean logic based on the mathematical theory of fuzzy sets.We are interested in this work to build an on-line control model for the APS process based on the elements of artificial intelligence and to build an emulator that replicates as closely as possible the dynamic behavior of the process. Further, the artificial neural networks will be combined with the emulator for constituting a big system who can monitor the process and also can automatically carry out modification action. The system then will be tested off-line, the time response will be discussed.

Depuis environ cinq ans, les systèmes hybrides neurosymboliques (SHNS) combinent réseaux de neurones artificiels et systèmes symboliques (systèmes à base de connaissances), dans le but de profiter de leurs points forts respectifs. Nous présentons une taxonomie des nombreux SHNS existants, selon deux points de vue, le degré de couplage (faible, étroit, fort) et le type d'interactions (pré/post-traitement, sous-traitance, coopération, méta-traitement). La taxonomie comprend aussi deux approches moins hybrides de l'intégration des caractéristiques des réseaux de neurones et des systèmes symboliques, l'approche purement neuronale et celle fondée sur des traductions. Nous étudions ensuite un SHNS existant, SYNHESYS, et examinons ses possibilités d'application en micro-électronique et en géographie alpine. Puis nous proposons une nouvelle architecture hybride, NESSY3L, et son application au pilotage réactif d'un robot mobile. L'architecture comporte trois niveaux coopérants, neuronal pur, neurosymbolique, symbolique pur, et a été intégrée dans le simulateur de robot MOLUSC. Cette architecture offre des perspectives intéressantes pour les SHNS, dont la prise en compte du temps, le développement de mécanismes inter-niveaux et l'évolution vers un couplage fort, l'utilisation d'idées provenant des autres approches de l'intégration neurosymbolique.

Je présente mon parcours scientifique au sein de l'IEF dont le fil conducteur est constitué par l'étude de l'impact des technologies sur les architectures de calcul. <br />Durant ma thèse au sein du département AXIS de l'IEF, j'ai étudié les architectures analogiques dédiées à la simulation d'un modèle stochastique de réseau de neurone, du point de vue de sa robustesse, des possibilités de compensation des défauts par apprentissage et des vitesses de simulation. Je montre comment les conclusions de ces travaux m'ont conduit à travailler sur les applications au traitement d'image et plus particulièrement sur des rétines programmables.<br />Ensuite, j'explique comment j'ai abordé la synthèse logique adaptée aux circuits à parois de domaines magnétiques à l'occasion d'une conversion thématique où j'ai rejoint le département NST de l'IEF. Enfin, je présente les développements récents sur l'utilisation des méthodes d'apprentissage d'inspiration neuronale permettant de donner une fonction à une assemblée de nanocomposants émergents organisée en cross-bar.

Ce travail se compose de deux parties relevant d'applications industrielles différentes. <br />La première traite d'une antenne spatiale réseau active. <br />Il faut d'abord calculer les lois d'alimentation pour satisfaire les contraintes de rayonnement. Nous transformons un problème avec de nombreux minima locaux en un problème d'optimisation convexe, dont l'optimum est le minimum global du problème initial, en utilisant le principe de conservation de l'énergie. <br />Nous résolvons ensuite un problème d'optimisation topologique: il faut réduire le nombre d'éléments rayonnants (ER). Nous appliquons une décomposition en valeurs singulières à l'ensemble des modules optimaux relaxés, puis un algorithme de type gradient topologique décide les regroupements entre ER élémentaires. <br /><br />La deuxième partie porte sur une simulation type boîte noire d'un accident chimique. <br />Nous effectuons une étude de fiabilité et de sensibilité suivant un grand nombre de paramètres (probabilités de défaillance, point de conception, et paramètres influents). Sans disposer du gradient, nous utilisons un modèle réduit. <br />Dans un premier cas test nous avons comparé les réseaux neuronaux et la méthode d'interpolation sur grille éparse Sparse Grid (SG). Les SG sont une technique émergente: grâce à leur caractère hiérarchique et un algorithme adaptatif, elles deviennent particulièrement efficaces pour les problèmes réels (peu de variables influentes). <br />Elles sont appliquées à un cas test en plus grande dimension avec des améliorations spécifiques (approximations successives et seuillage des données). <br />Dans les deux cas, les algorithmes ont donné lieu à des logiciels opérationnels.

Les algorithmes génétiques, la logique floue et les réseaux de neurones sont de plus en plus utilisés dans des domaines d'application très variés. Nous nous proposons de les étudier dans le cadre de l'identification et de la commande de la machine asynchrone. Plus particulièrement, nous utilisons les algorithmes génétiques afin d'identifier les paramètres du modèle dynamique de la machine. Des régulateurs, à base de logique floue et de réseaux de neurones, sont implantés au sein d'une commande vectorielle par orientation du flux rotorique. Est également abordée l'influence de la variation des paramètres sur le fonctionnement du système. Les défauts de structure de la machine asynchrone sont considérés dans le cas des ruptures de barres au rotor. Le diagnostic de ces défauts ainsi que leur influence sur le comportement de la régulation sont étudiés. Enfin, une amélioration de la commande vectorielle sans capteur mécanique est présentée ouvrant une voie vers les techniques intelligentes de commande. Ces dernières sont maintenant possibles compte tenu de la puissance sans cesse grandissante des processeurs. Un logiciel de simulation, développé dans le cadre de la thèse, a permis de mener une bonne partie des études présentées. Une attention particulière a été accordée à la partie expérimentale, seul garant de la faisabilité et de la validation de l'étude.

Le travail présente dans ce mémoire décrit le développement et l'utilisation de réseaux de neurones artificiels pour la resolution d'un probleme de reconnaissance de formes particulières, les partitions musicales. Le premier chapitre est consacre a une étude bibliographique des méthodes connexionnistes employées en reconnaissance de formes. Nous tentons de présenter les principaux modèles de réseaux de neurones de manière homogène et de justifier le choix du modèle auquel nous nous sommes particulièrement intéresses: celui des réseaux multi-couches. Nous consacrons le deuxième chapitre a l'étude de ces derniers. Après une synthèse des différentes connaissances utiles au choix de l'architecture d'un réseau multi-couche et a la mise en œuvre de l'algorithme d'apprentissage par rétro-propagation du gradient, nous nous intéressons aux réseaux d'automates a seuil. Les propriétés de ces réseaux et leurs liens avec les méthodes usuelles de classification sont mis en évidence. Ceci nous amène a proposer un nouvel algorithme d'apprentissage hiérarchique. Dans le dernier chapitre, nous décrivons un système de reconnaissance bas-niveau d'images de partitions musicales imprimées. Différentes solutions pour le pré-traitement, la segmentation et la classification sont proposées. Ces solutions font appel tant a l'analyse d'image conventionnelle qu'aux réseaux de neurones décrits dans les chapitres précédents; elles sont illustrées par des résultats expérimentaux

Cette thèse consiste a modéliser un réseau neuronal situe en aval de la cochlee, qui constitue les premières couches de traitement des signaux de la parole issus du système auditif périphérique. Le cadre général du travail présente concerne la modélisation mathématique du réseau de neurones en question, la description de la machine massivement parallèle hypercube FPS T-40 utilisée comme outil de nos simulations, l'implantation du modèle neuronal sur cette machine parallèle et enfin les réalisations et interprétations de résultats de simulation. Ces travaux sont présentés en quatre chapitres comme suit: le premier chapitre s'inscrit dans le cadre général des réseaux de neurones, en commençant par les premiers modèles fondes sur des réseaux dits d'automates a seuil conçus par W. S. Mcculloch et W. Pitts des 1943, des réseaux d'automates cellulaires conçus par J. Von Neumann des 1948, etc... Le deuxième chapitre introduit la mesure de Gibbs, champs aléatoires et modèles de réseaux (déterministes et stochastiques). Puis, il présente l'étude du probleme d'ergodicité des réseaux de neurones probabilistes. Le troisième chapitre concerne l'environnement technique ou nos simulations de réseaux de neurones ont été effectuées. Il consiste en une description générale du principe du parallélisme et en une présentation détaillée de la machine massivement parallèle hypercube FPS T-40. Enfin, le quatrième chapitre comprend l'implantation de l'algorithme du réseau de neurones sur la machine massivement parallèle hypercube FPS T-40, l'expérimentation numérique et l'interprétation des résultats numériques. Ensuite, on a représente graphiquement ces résultats, a l'aide de mesures statistiques adéquates résumant le comportement dynamique du réseau, sur station de travail vinix (ordinateur spécialisé dans le traitement d'images)