Spelling suggestions: "subject:"stabilité pratiques""
1 |
Perturbations singulières : approximations, stabilité pratique et applications à des modèles de compétitionYadi, Karim 13 November 2008 (has links) (PDF)
Le chapitre 1 rappelle la théorie de Tikhonov pour les systèmes lents-rapides quand la dynamique rapide est stationnaire. Le chapitre 2 examine le théorème de Pontryagin-Rodygin dans lequel la dynamique rapide est périodique. Ce résultat est redémontré en marquant son caractère topologique. Ces résultats concernent les temps finis. Nous indiquons dans le chapitre 3 comment la théorie géométrique des perturbations étudie le cas de la dynamique rapide oscillante. Dans le chapitre 4, des résultats d'approximations pour des temps infinis sont établis quand la dynamique lente converge vers un compact positivement invariant et sont interprétés en termes de stabilité pratique. Le chapitre 5 est consacré au cas où l'équation rapide admet des cycles avec relaxation. Un résultat rigoureux décrit le mouvement lent, la preuve étant basée sur la méthode de stroboscopie. Les résultats sont énoncés dans le cadre des mathématiques classiques mais démontrés à l'aide des outils de l'analyse non standard. Le chapitre 6 est une étude d'un modèle de compétition de dimension 4. Le point de départ se trouve dans des exposés du Pr. C. Lobry qui a construit un modèle où trois espèces x1, x2 et x3 sont en compétition sur une seule proie s, la coexistence de x2 et x3 semblant possible au travers de simulations numériques, pendant que s et x1 oscillent. Nous déterminons le système moyennisé qui décrit l'évolution lente du couple (x2,x3). Nous établissons des conditions suffisantes de persistance et illustrons les résultats par des exemples et des simulations numériques.
|
2 |
Synchronization analysis of complex networks of nonlinear oscillators / Analyse de la synchronisation dans un réseau complexe des oscillateurs non-linéairesEl Ati, Ali 04 December 2014 (has links)
Cette thèse porte sur l'analyse de la synchronisation des grands réseaux d'oscillateurs non linéaires et hétérogènes à l'aide d'outils et de méthodes issues de la théorie du contrôle. Nous considérons deux modèles de réseaux; à savoir, le modèle de Kuramoto qui considère seulement les coordonnées de phase des oscillateurs et des réseaux composés d'oscillateurs non linéaires de Stuart-Landau connectés par un couplage linéaire.Pour le modèle de Kuramoto nous construisons un système linéaire qui conserve les informations sur les fréquences naturelles et sur les gains d'interconnexion du modèle original de Kuramoto. Nous montrons en suite que l'existence de solutions à verrouillage de phase du modèle de Kuramoto est équivalente à l'existence d'un tel système linéaire avec certaines propriétés. Ce système est utilisé pour formuler les conditions d'existence de solutions à verrouillage de phase et de leur stabilité pour des structures particulières de l'interconnexion. Ensuite, cette analyse s'est étendue au cas où des interactions attractives et répulsives sont présentes dans le réseau. Nous considérons cette situation lorsque les gains d'interconnexion peuvent être à la fois positif et négatif. Dans le cadre de réseaux d'oscillateurs de Stuart-Landau, nous présentons une nouvelle transformation de coordonnées du réseau qui permet de réécrire le modèle du réseau en deux parties: une décrivant le comportement de l'oscillateur « moyenne » du réseau et la seconde partie présentant les dynamiques des erreurs de synchronisation par rapport à cet oscillateur « moyenne ». Cette transformation nous permet de caractériser les propriétés du réseau en termes de la stabilité des erreurs de synchronisation et du cycle limite de l'oscillateur « moyenne ». Pour ce faire, nous reformulons ce problème en un problème de stabilité de deux ensembles compacts et nous utilisons des outils issus de la stabilité de Lyapunov pour montrer la stabilité pratique de ces derniers pour des valeurs suffisamment grandes du gain d'interconnexion. / This thesis is devoted to the analysis of synchronization in large networks of heterogeneous nonlinear oscillators using tools and methods issued from control theory. We consider two models of networks; namely, the Kuramoto model which takes into account only phase coordinates of the oscillators and networks composed of nonlinear Stuart-Landau oscillators interconnected by linear coupling. For the Kuramoto model we construct an auxiliary linear system that preserves information on the natural frequencies and interconnection gains of the original Kuramoto model. We show next that existence of phase locked solutions of the Kuramoto model is equivalent to the existence of such a linear system with certain properties. This system is used to formulate conditions that ensure existence of phase-locked solutions and their stability for particular structures of network interconnections. Next, this analysis is extended to the case where both attractive and repulsive interactions are present in the network that is we consider the situation where some of the interconnection gains are allowed to be negative. In the context of networks of Stuart-Landau oscillators, we present a new coordinate transformation of the network which allows to split the network model into two parts, one describing behaviour of an "averaged" network oscillator and the second one, describing dynamics of the synchronization errors relative to this "averaged" oscillator. This transformation allows us to characterize properties of the network in terms of stability of synchronization errors and limit cycle of the "averaged" oscillator. To do so, we recast this problem as a problem of stability of compact sets and use Lyapunov stability tools to ensure practical stability of both sets for sufficiently large values of the coupling strength.
|
3 |
Analyse de la stabilité des réseaux d'oscillateurs non linéaires, applications aux populations neuronalesConteville, Laurie 17 October 2013 (has links) (PDF)
Il est bien connu que la synchronisation de l'activité oscillatoire dans les réseaux de neurones joue un rôle important dans le fonctionnement du cerveau et pour le traitement des informations données pas les neurones. Cette thèse porte sur l'analyse de l'activité de synchronisation en utilisant des outils et des méthodes issues de la théorie du contrôle et de la théorie de la stabilité. En particulier, deux modèles ont été étudiés pour décrire l'activité oscillatoire des réseaux de neurones : le modèle de Kuramoto et le modèle de Hindmarsh-Rose. Une partie de ce manuscript est consacrée à l'étude du modèle de Kuramoto, qui est un des systèmes les plus simples utilisé pour modéliser un réseau de neurones, avec une connexion complète (all-to-all). Il s'agit d'un modèle classique qui est utilisé comme une version simplifiée d'un réseau de neurones. Nous construisons un système linéaire qui conserve les informations sur les fréquences naturelles et sur les gains d'interconnexion du modèle original de Kuramoto. Les propriétés de stabilité de ce modèle sont ensuite analysées et nous montrons que les solutions de ce nouveau système linéaire convergent vers un cycle limite périodique et stable. Finalement, nous montrons que contraint au cycle limite, les dynamiques du système linéaire coïncident avec le modèle de Kuramoto. Dans une seconde partie, nous avons considéré un modèle de réseau de neurones plus proche de la réalité d'un point de vue biologique, mais qui est plus complexe que le modèle de Kuramoto. Plus précisément, nous avons utilisé le modèle de Hindmarsh-Rose pour décrire la dynamique de chaque neurone que nous avons interconnecté par un couplage diffusif (c'est à dire linéaire). A partir des propriétés de semi-passivité du modèle de Hindmarsh- Rose, nous avons analysé les propriétés de stabilité d'un réseau hétérogène de Rindmarsh-Rose. Nous avons également montré que ce réseau est pratiquement synchronisé pour une valeur suffisamment grande du gain d'interconnexion. D'autre part, nous avons caractérisé le comportement limite des neurones synchronisés et avons établi une approximation de ce comportement par une moyenne des dynamiques de tous les neurones.
|
4 |
Analyse de la stabilité des réseaux d'oscillateurs non linéaires, applications aux populations neuronales / Stability analysis of non-linear network scillator, neuronal population applicationConteville, Laurie 17 October 2013 (has links)
Il est bien connu que la synchronisation de l’activité oscillatoire dans les réseaux de neurones joue un rôle important dans le fonctionnement du cerveau et pour le traitement des informations données pas les neurones. Cette thèse porte sur l’analyse de l’activité de synchronisation en utilisant des outils et des méthodes issues de la théorie du contrôle et de la théorie de la stabilité. En particulier, deux modèles ont été étudiés pour décrire l’activité oscillatoire des réseaux de neurones : le modèle de Kuramoto et le modèle de Hindmarsh-Rose. Une partie de ce manuscript est consacrée à l’étude du modèle de Kuramoto, qui est un des systèmes les plus simples utilisé pour modéliser un réseau de neurones, avec une connexion complète (all-to-all). Il s’agit d’un modèle classique qui est utilisé comme une version simplifiée d’un réseau de neurones. Nous construisons un système linéaire qui conserve les informations sur les fréquences naturelles et sur les gains d’interconnexion du modèle original de Kuramoto. Les propriétés de stabilité de ce modèle sont ensuite analysées et nous montrons que les solutions de ce nouveau système linéaire convergent vers un cycle limite périodique et stable. Finalement, nous montrons que contraint au cycle limite, les dynamiques du système linéaire coïncident avec le modèle de Kuramoto. Dans une seconde partie, nous avons considéré un modèle de réseau de neurones plus proche de la réalité d’un point de vue biologique, mais qui est plus complexe que le modèle de Kuramoto. Plus précisément, nous avons utilisé le modèle de Hindmarsh-Rose pour décrire la dynamique de chaque neurone que nous avons interconnecté par un couplage diffusif (c’est à dire linéaire). A partir des propriétés de semi-passivité du modèle de Hindmarsh- Rose, nous avons analysé les propriétés de stabilité d’un réseau hétérogène de Rindmarsh-Rose. Nous avons également montré que ce réseau est pratiquement synchronisé pour une valeur suffisamment grande du gain d’interconnexion. D’autre part, nous avons caractérisé le comportement limite des neurones synchronisés et avons établi une approximation de ce comportement par une moyenne des dynamiques de tous les neurones. / It is widely recognized that rhythmic oscillatory activity in networks of neurons plays an important role in the brain functionning and a key role in processing neural information. This thesis is devoted to the analysis of this synchronized activity by using tools and methods issued from automatic control and stability theory. Two models are used to describe oscillatory activity of neural networks : Kuramoto model and network of Hindmarsh-Rose neurons. First, we consider Kuramoto model with complete (all-to-all) coupling, which is one of the simplest systems used to model neural network. For this model we construct an auxiliary linear system that preserves information on the natural frequencies and interconnection gains of the original Kuramoto model. Next, stability properties of this model are analyzed and we show that the solutions of the new linear system converge to a stable periodic limit cycle. Finally, we show that constrained to the limit cycle, dynamics of the linear system coincide with the original Kuramoto model. Second, a model for the network (population) with a better behavior, with respect to the Kuramoto model, from a biological point of view but more complex is considered. Particularly, we consider a network of diffusively coupled neurons where we use a Hindmarsh-Rose model to describe the dynamics of each individual neuron. Based on semi-passivity of individual Hindmarsh-Rose neurons, we analyse stability properties of a heterogeneous network of such neurons and show that network is practically synchronized for sufficient large values of interconnection gains. Moreover, we characterize the limiting synchronized behavior by using an averaging of all neuron dynamics.
|
Page generated in 0.0961 seconds