Loading...
Please wait, while we are loading the content...
Similar Documents
Treillis de Galois et réseaux de neurones : une approche constructive d'architecture des réseaux de neurones
| Content Provider | Semantic Scholar |
|---|---|
| Author | Tsopzé, Norbert |
| Copyright Year | 2010 |
| Abstract | Les reseaux de neurones artificiels connaissent des succes dans plusieurs domaines. Maisles utilisateurs des reseaux de neurones sont souvent confrontes aux problemes de definitionde son architecture et d’interpretabilite de ses resultats. Plusieurs travaux ont essaye d’apporterune solution a ces problemes. Pour les problemes d’architecture, certains auteurs proposentde deduire cette architecture a partir d’un ensemble de connaissances decrivant le domaine duprobleme et d’autres proposent d’ajouter de maniere incrementale les neurones a un reseauayant une taille initiale minimale. Les solutions proposees pour le probleme d’interpretabilitedes resultats consistent a extraire un ensemble de regles decrivant le fonctionnement du reseau.Cette these contribue a la resolution de ces deux problemes. Nous nous limitons a l’utilisationdes reseaux de neurones dans la resolution des problemes de classification.Nous presentons dans cette these un etat de l’art des methodes existantes de recherche d’architecturede reseaux de neurones : une etude theorique et experimentale est aussi faite. Decette etude, nous observons comme limites de ces methodes la disponibilite absolue des connaissancespour construire un reseau interpretable et la construction des reseaux difficiles a interpreteren absence de connaissances. En alternative, nous proposons une methode appelee CLANN(Concept Lattice-based Artificial Neural network) basee les treillis de Galois qui construit undemi-treillis a partir des donnees et deduire de ce demi-treillis l’architacture du reseau. CLANNetant limitee a la resolution des problemes a deux classes, nous proposons MCLANN permettantd’etendre cette methodes de recherche d’architecture des reseaux de neurones aux problemes aplusieurs classes.Nous proposons aussi une methode appelee ’Approche des MaxSubsets’ pour l’extractiondes regles a partir d’un reseau de neurones. La particularite de cette methode est la possibilited’extraire les deux formats de regles (’si alors’ et ’m parmi N’) a partir d’une structure quenous construisons. Nous proposons aussi une facon d’expliquer le resultat calcule par le reseauconstruit par la methode MCLANN au sujet d’un exemple. |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | http://www.theses.fr/2010ARTO0407.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
