Le premier chapitre de cette thèse présente les fondements théoriques sur lesquels repose le mécanisme de Higgs, ainsi que les caractéristiques du boson, telles qu'elles résultent du modèle standard. Le deuxième chapitre fait le point sur la situation expérimentale concernant les recherches passées, en cours et en projet, visant à la découverte du Higgs. Le troisième donne les principales caractéristiques du collisionneur LHC et celles du détecteur CMS, tous deux en fin de construction au CERN, en s'attardant sur les parties du détecteur plus particulièrement mises en oeuvre pour la recherche du Higgs via le canal H -> ZZ* -> 2e+2-, c'est-à-dire sur le trajectographe et le calorimètre électronique ECAL. Le quatrième chapitre indique comment les expériences réalisées sur un faisceau d'électrons du CERN ont permis de parfaire la calibration des cristaux composant ce calorimètre ECAL. Le cinquième chapitre présente l'étude menée sur les primitives de déclenchement qui a permis de valider les caractéristiques de l'électronique qui leur est associée. Le sixième chapitre décrit la procédure d'analyse des données menant à la reconstruction des événements de physique détectés par CMS, et l'extraction des caractéristiques qui seront utilisées pour l'identification formelle du boson de Higgs. Enfin, le septième chapitre est consacré à l'optimisation de l'extraction de la signature du Higgs, initialement noyée dans un abondant bruit de fond. Après un rappel du principe des logiciels intelligents appelés " réseaux de neurones ", il présente l'élaboration d'un tel logiciel spécialement adapté au problème concerné. Puis il décrit comment les différentes variantes de ce code ont été utilisées, d'une part pour choisir les paramètres à. retenir afin d'optimiser l'identification du signal par rapport aux bruits, et d'autre part pour son extraction proprement dite, ce qui a permis d'atteindre des taux élevés de réjection de ces bruits, qui pourront permettre l'observation du boson de Higgs.

Cette thèse traite de l'analyse et de la reconnaissance de documents administratifs. L'arrivée continue des documents nous a conduit à choisir une méthodologie prenant en compte les expériences précédentes. Aussi, nous avons opté pour le raisonnement à partir de cas. A partir d'une structuration de base du document représentant ses éléments comme les adresses, les zones de montants et les tableaux, un modèle du document est construit sous forme d'un graphe. Il correspond au problème à résoudre. Ce problème est ensuite comparé à une base de cas de documents en utilisant le sondage de graphes. Si un cas de document similaire existe, alors il est adapté pour analyser et interpréter le cas courant. Sinon, une analyse structure par structure est effectuée en utilisant une base de cas de structures élémentaires de documents. L'arrivée continue des données impose un mode d'apprentissage incrémental, qui peut être fait au fur et à mesure du traitement. Nous avons donc proposé une amélioration d'un réseau de neurone incrémental existant appelé Incremental Growing Neural Gas. L'amélioration proposée consiste à prendre en compte uniquement le voisinage local du neurone le plus proche lors de la phase de création d'un nouveau neurone. Le réseau proposé a été testé avec succès aussi bien sur des documents (factures, formulaires) que sur des données synthétiques. Cette thèse étant effectuée en collaboration avec l'entreprise ITESOFT, nous avons testé toutes les étapes de notre approche sur des cas réels.

L'objectif des travaux présentés dans cette HDR est de concevoir une méthode de conception orientée vers le comportement et dédiée à la robotique mobile et autonome. Cette méthode doit partir des informations disponibles, à savoir une description de la mission à accomplir. Constatant que les animaux ont un niveau d'autonomie élevé qui permettrait à des robots d'accomplir de nombreuses missions, nous avons choisi de focaliser cette étude, dans le cadre de l'approche animat, sur le “mécanisme de conception” à l'oeuvre dans la nature: la sélection naturelle. Ce processus algorithmique a l'avantage de ne prendre en compte que le résultat, c'est à dire la capacité à transmettre ses gènes dans un cadre naturel. Dans un cadre artificiel, c'est le bon accomplissement de la mission du robot qui est pris en compte. Nous nous sommes intéressé au passage à l'échelle de ces algorithmes en terme de complexité des comportements générés, l'algorithme évolutionniste étant utilisé pour synthétiser la structure et les paramètres d'un réseau de neurones artificiels. Une étude sur la modularité nous a révélé l'importance de la définition des pressions de sélection, conduisant à une approche dite d'exaptation. Nous avons alors proposé l'utilisation d'un cadre multi-objectif dans lequel la fonction de fitness récompensant le bon accomplissement de la tâche du robot est associé à des objectifs qui peuvent être indépendants de ce but, approche dite de “multi-objectivisation”. Dans ce contexte, en plus des travaux sur l'exaptation, nous avons proposé les contributions suivantes: * approche incrémentale multi-objectif: chaque sous-tâche du problème à résoudre est associée à un objectif indépendant. Il n'est alors pas nécessaire de les pondérer, de les ordonner ou de décider quand passer d'une tâche à une autre; * diversité comportementale: un objectif mesurant la distance moyenne au reste de la population dans l'espace des comportement est ajouté pour maintenir une diversité élevée dans cet espace. Cette approche s'est révélée très efficace, même avec les codages de réseaux de neurones les plus simples; * transférabilité: un objectif de transférabilité est maximisé pour faciliter le passage de la simulation à la réalité sans dégradation de performance. Dans la perspective de tendre vers des contrôleurs plus cognitifs et dans le cadre du projet ANR EvoNeuro, nous avons proposé une approche méthodologique s'appuyant sur les neurosciences et consistant à synthétiser des réseaux de neurones proches des modèles développés dans ce domaine. Sur la base d'un codage spécifique, nous avons ainsi reproduit des capacités élémentaires de sélection de l'action ou de mémoire de travail. L'objectif de ce projet est de synthétiser d'autres capacités cognitives en s'appuyant sur des protocoles d'évaluation venant des neurosciences avant de les appliquer dans un cadre robotique. Dans le cadre de ce projet, nous avons développé une méthode d'analyse multi-objectif permettant, sur la base d'une optimisation multi-objectif, de comparer et d'analyser les modèles complexes que les neuroscientifiques manipulent.

Durant les dix dernières années, les réseaux de neurones à fonctions sigmoïdales ont connu de grands succès dans de nombreux domaines. Associés à des algorithmes d'apprentissage efficaces, ils constituent un puissant outil de modélisation non linéaire de processus, grâce à leur propriété d'approximation universelle parcimonieuse. Ce travail de thèse propose une mise en uvre de réseaux d'ondelettes, alternative possible aux réseaux de neurones, pour la modélisation statique et dynamique. Les ondelettes sont une famille de fonctions issues du traitement du signal et de l'image, dont il a été récemment montré qu'elles possèdent la propriété d'approximateur universel. La mise en uvre des réseaux d'ondelettes est effectuée suivant deux approches : - Approche fondée sur la transformée continue: les paramètres des fonctions sont à valeurs continues dans l'ensemble des nombres réels et peuvent donc être ajustés, comme ceux d'un réseau de neurones classique, à l'aide de méthodes de gradient. Nous proposons des réseaux et des algorithmes d'apprentissage pour la modélisation entrée-sortie et d'état. Les résultats obtenus sur des processus simulés et réel montrent que ces réseaux permettent d'obtenir des modèles de performance et de parcimonie équivalentes à celles des réseaux de neurones si des précautions de mise en uvre sont prises. - Approche fondée sur la transformée discrète: les paramètres des fonctions étant à valeurs discrètes, les apprentissages fondés sur des méthodes de gradient ne sont pas applicables. Nous proposons de construire des réseaux par sélection d'ondelettes dans une bibliothèque pré-établie. Cette procédure est également utilisée pour l'initialisation des paramètres des ondelettes avant leur apprentissage. Les résultats obtenus montrent que la procédure proposée confère à l'apprentissage une meilleure indépendance vis-à-vis de l'initialisation aléatoire des autres paramètres ajustables du réseau.

La complexité croissante des systèmes employés dans l'industrie automobile, en termes de fonctions réalisées et de méthodes de mise en œuvre, mais aussi en terme de norme d'homologation, amène à envisager des outils toujours plus innovants lors de la conception d'un véhicule. On observe d'ailleurs depuis quelques années une forte augmentation du nombre de brevets déposés, en particulier dans le domaine des systèmes électroniques, dont l'importance ne cesse de croître au sein d'un véhicule automobile moderne. Cette complexité croissante des fonctions réalisées requiert une précision de description accrue pour les dispositifs impliqués, notamment pour les systèmes complexes où une approche analytique est difficilement envisageable. Aux impératifs de précision de la description, qui imposent souvent de prendre en considération les non-linéarités des processus, s'ajoute donc la complexité d'analyse des phénomènes physiques à l'origine des observations que l'on souhaite modéliser. Les développements qu'ont connus ces dernières années les techniques de modélisation non linéaires par apprentissage (notamment les réseaux de neurones formels et les machines à vecteurs supports), alliés à la croissance de la capacité des ordinateurs et des calculateurs embarqués dans les véhicules automobiles, justifient donc l'intérêt porté par Renault à ces outils. C'est dans cette optique qu'a été envisagée une étude portant sur les méthodes de modélisation non linéaire par apprentissage, dont l'objectif était d'en tester les secteurs d'applications possibles dans le contexte automobile, et d'en évaluer les difficultés de mise en œuvre ainsi que les gains attendus. Cette étude a fait l'objet d'une collaboration, sous forme d'un contrat de thèse CIFRE, avec le Laboratoire d'Electronique de l'Ecole Supérieure de Physique et de Chimie Industrielles de la Ville de Paris (ESPCI), dirigé par le Professeur Gérard Dreyfus. De manière générale, les techniques de modélisation par apprentissage permettent d'aborder la modélisation de phénomènes physiques dont la description est ardue, élargissant ainsi le champ des possibles en matière de modélisation, mais également de s'affranchir d'une description physique détaillée pour des processus connus, réduisant ainsi le temps de développement d'un modèle particulier. En contrepartie, l'élaboration de tels modèles par apprentissage requiert la réalisation de mesures sur ledit processus, ce qui implique des coûts qui sont parfois loin d'être négligeables. Notre objectif a donc été d'identifier certains problèmes correspondant à la première approche, c'est-à-dire pour lesquels la réalisation de modèles de connaissance est soit inenvisageable soit particulièrement ardue. Le premier chapitre de ce mémoire s'attache à rappeler les concepts de base relatifs à la modélisation de processus par apprentissage. Nous y introduirons les notions essentielles que nous serons amenés à employer par la suite. Dans le deuxième chapitre, nous décrivons les principaux outils d'optimisation nécessaires à l'élaboration de modèles par apprentissage. Le troisième chapitre regroupe l'ensemble des travaux menés, au cours de cette thèse, sur le thème des réseaux de neurones. Après avoir rappelé la méthodologie d'élaboration de modèles neuronaux, en particulier dans le cas récurrent, nous présentons les résultats obtenus sur deux applications industrielles: l'estimation de la température en un point particulier de la ligne d'échappement, et l'estimation des émissions de différents polluants en sortie d'échappement. Ces deux applications participent à la maîtrise des émissions polluantes, soit durant l'utilisation habituelle d'un véhicule, car la connaissance de cette température est indispensable à la mise en œuvre des stratégies de dépollution actives, soit au stade de la mise au point du moteur, qui sera facilitée par l'utilisation d'un modèle de prédiction des débits de polluants en fonction des réglages du moteur. Nous décrivons également un système de commande optimale en boucle ouverte, associé à un modèle neuronal, et destiné à réduire les variations rapides de la sortie d'un processus: ce système est susceptible d'être utilisé pour contrôler les à-coups de couple d'un véhicule, consécutifs à une variation rapide de l'enfoncement de la pédale d'accélérateur. Une méthode de calcul exact de la matrice Hessienne, dans le cas de modèles décrits par des équations récurrentes, est alors introduite pour permettre l'utilisation de ce système de commande dans le cas de processus dynamiques. Dans le quatrième chapitre, nous nous intéressons aux méthodes de modélisation par noyaux, dont font partie les machines à vecteurs supports, et tentons de les adapter à la modélisation de processus dynamiques, d'abord par un traitement analytique (pour l'une particulière de ces méthodes), avant de proposer un approche itérative du problème d'apprentissage, inspirée de l'algorithme d'apprentissage semi dirigé utilisé pour les réseaux de neurones récurrents.

L'enregistrement Holter (enregistrement électrocardiographique de 24 heures) est un examen très fréquemment utilisé en cardiologie. Parmi les 100 000 battements enregistrés, seul un petit nombre d'entre eux peut traduire la présence d'une pathologie sous-jacente; l'analyse automatique est donc indispensable. Les outils actuels fonctionnent sur le principe d'un système expert, robuste, mais peu adaptatif et essentiellement limité à la détection et la classification des signaux de dépolarisation ventriculaire. Une analyse plus détaillée des signaux cardiaques permet une bien meilleure détection de nombreuses pathologies, en particulier grâce à l'extraction des signaux d'origine auriculaire et des ondes de repolarisation. Nous proposons dans cette thèse une méthode de décomposition mathématique originale des battements cardiaques sur une base de fonctions appelées "bosses". Contrairement aux régresseurs classiques utilisés en modélisation (ondelettes, RBF...), les bosses sont des fonctions prévues pour modéliser chaque onde caractéristique du battement cardiaque (les ondes P, Q, R, S et T). Chaque battement de l'enregistrement est ainsi décomposé en bosses; puis les labels médicaux P, Q, R, S et T leur sont attribués par des classifieurs (réseaux de neurones). Disposant alors de l'emplacement et de la forme des toutes les ondes caractéristiques pour l'ensemble de l'ECG, nous pouvons désormais repérer automatiquement des anomalies comme l'inversion de l'onde P, jusqu'alors non détectées par les algorithmes sur les enregistrements de longues durées. Cette approche a été testée sur de nombreuses bases de données et a montré toute son efficacité par rapport aux méthodes actuelles dem détection d'anomalies

La thèse consiste à comparer des modèles d'évaluation d'options européennes, aussi bien au niveau de l'évaluation (Black & Scholes, réseaux de neurones, modèles à volatilité stochastique) , qu'au niveau de la gestion des risques (Black &Scholes et réseaux de<br />neurones), en se basant sur deux bases d'options européennes, sur l'indice CAC 40, cotées sur le MONEP: la première base est une base intraday s'étalant du mois de janvier 1998 au mois de juin 1998 et la seconde est journalière s'étalant du mois de janvier1997 au mois de décembre 1999). Après traitement, ces bases sont découpées par contrats et par classes, selon la parité et la durée de vie résiduelle.

Face à l'augmentation du nombre de catastrophes et de crises de type naturel, industriel ou intentionnel, les organisations gestionnaires doivent renforcer leurs pratiques afin d'augmenter leur résilience. Les objectifs de ce travail de recherche sont d'une part, améliorer la connaissance sur les situations de crise et d'autre part, développer une méthode d'aide à la décision à l'attention des acteurs de la Sécurité Civile afin d'anticiper et gérer une crise de grande ampleur. Ce travail se compose de trois parties. La première est axée sur l'amélioration de la connaissance de ces situations en se basant à la fois sur des observations de terrains et des retours d'expérience ainsi qu'un état de l'art bibliographique. La seconde partie propose une définition de la crise de grande ampleur et une modélisation systémique du processus conduisant à l'émergence de ces situations extrêmes Elle pose également les bases théoriques de la méthode de veille stratégique du territoire en s'appuyant sur deux outils d'aide à la décision que sont la méthode de décision multicritère de Saaty et les réseaux de neurones de type classifieur. Par le biais de cette méthode, les gestionnaires de crise pourront qualifier la situation en présence soit d'incident, soit d'accident majeur, soit de crise conventionnelle ou bien de crise de grande ampleur. Enfin, la troisième partie est consacrée à l'application et la démonstration de la faisabilité des deux méthodes définies précédemment afin d'établir le potentiel de crise de dix-huit retours d'expérience.

Problématique et objectifs: Le cadre de mon travail de thèse traite du développement de solutions d'assistance robotisée pour l'aide des personnes atteintes de troubles du fonctionnels. La problématique qui est posée ici est l'apport des réseaux de neurones pour la modélisation du mouvement des personnes atteintes par le syndrome cérébelleux. Résultats obtenus : Dans le but d'améliorer la commande d'un robot d'assistance (Monimad), mon travail a consisté à développer des solutions qui permettent de fournir un modèle interne du mouvement d'une personne atteinte par le syndrome cérébelleux. Pour accomplir ce travail, une phase d'enregistrement de données a été mise en place pour des personnes saines et pour des personnes touchées par le syndrome cérébelleux. La modélisation a été déclinée en trois types : Génération de trajectoire : une simulation de mouvement réel a été mise en place avec des réseaux de neurones et comparée avec d'autres méthodes du domaine du controle optimal. Prédiction : une prédiction des mouvements futurs du patient est obtenue avec des réseaux de neurones, cette prédiction présente les propriétés de généralisation et de spécialisation. Son bon fonctionnement est validé sur des mouvements de patients. Observation : un outil de reconstruction basé sur les réseaux de neurones est proposé pour à partir d'une donnée angulaire reconstruire l'état d'une personne dans un mouvement de verticalisation. Enfin toutes ces modélisations sont appliquées à des mouvements de personnes atteintes du syndrôme cérébelleux qui utilisent une interface d'assistance. Ces méthodes de modélisation sont validées sur ce protocole.

A l'heure actuelle, les seuls moyens d'informer les usagers de la ville de l'environnement sonore dans lequel ils vivent consistent en des indicateurs de niveaux sonores moyens et annuels obtenus par modélisation acoustique des principales infrastructures de transports. Or, ces indicateurs sont difficilement compris et de ce fait mal interprétés par les usagers de la ville car ils ne reflètent pas la signification des bruits perçus et la diversité des situations que les citadins rencontrent. Le but de ce travail de recherche est donc d'analyser la façon dont les usagers de la ville perçoivent le paysage sonore urbain afin de définir des indicateurs de qualité sonore qui pourront être à terme intégrés dans une représentation territoriale cartographique. Pour ce faire, il a tout d'abord été nécessaire de s'attacher à déterminer un pas temporel et spatial de mesure permettant de caractériser des ambiances urbaines d'un point de vue acoustique. A partir d'enregistrements longue durée (trois mois environs) en six points fixes à Paris, il a été possible de déterminer à travers des classifications ascendantes hiérarchiques de Ward associées à des cartes auto-organisatrices de Kohonen qu'une durée de dix minutes semble dans la plupart des cas être suffisante pour caractériser différentes ambiances sonores. Grâce aux mêmes méthodes de classification, l'analyse du maillage spatial a permis de définir quatre zones homogènes qui correspondent (1) au parc, (2) au boulevard, (3) à la rue piétonne puis (4) une zone que l'on qualifiera de zone de transition. La suite de l'étude s'est attachée à construire des modèles de prédiction de la qualité sonore. A partir d'enquêtes de terrain réalisées à Paris et à Lyon, il a été possible d'établir des modèles à la fois locaux (caractérisant le lieu même où le questionnaire a été évalué) et globaux basés d'une part sur des régressions linéaires multiples et d'autre part sur des réseaux de neurones artificiels. La comparaison de ces deux types de modèles a permis entre autre de mettre en évidence l'apport des réseaux de neurones artificiels devant les régressions linéaires multiples en termes de prédiction. Par ailleurs il est ressorti de ces modèles l'importance de variables telles que le silence, l'agrément visuel ou encore la présence de sources sonores particulières comme les véhicules légers pour expliquer la qualité sonore de l'environnement.