Ce mémoire d'Habilitation à Diriger les Recherches présente de manière synthétique les recherches effectuées sur la modélisation par apprentissage statistique de systèmes naturels ou en interaction avec un environnement naturel. La spécificité de l'apprentissage est tout d'abord discutée en relation avec le calage et permet d'introduire les notions d'identification universelle et de dilemme biais-variance qui sont ensuite approfondies dans le mémoire. Ces notions sont illustrées en relation avec la problématique de la synthèse d'un modèle de simulation ou de prédiction. Plusieurs illustrations sont présentées comme l'apprentissage de comportement d'un robot hexapode, la synthèse du contrôleur d'un préhenseur pneumatique et la modélisation d'hydrosystèmes tels les karsts ou les bassins versants rapides. Ces derniers, emblématiques des défis que la science doit permettre d'aborder, ont en commun la disponibilité de bases de données observées depuis plusieurs décennies, la non-linéarité des processus impliqués dans ces phénomènes, la difficulté à mesurer les variables d'état et la présence d'un bruit de mesure considérable. Face à ces difficultés, ce mémoire présente comment les méthodes de régularisation ont été revisitées et propose une démarche originale de modélisation semi physique, les boîtes transparentes, qui permet de valider physiquement le modèle tout en approfondissant la connaissance des phénomènes étudiés.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00745131 |
| Date | 22 June 2011 |
| Creators | Johannet, Anne, Johannet, Anne |
| Publisher | Université Pierre et Marie Curie - Paris VI |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | habilitation ࠤiriger des recherches |
Page generated in 0.0018 seconds