Réseaux de neurones à espace d’état pour l’identification des systèmes dynamiques

Simple item page
dc.contributor.authorAmoura Hichem
dc.contributor.authorAchab Malik
dc.date.accessioned2025-03-10T13:11:15Z
dc.date.available2025-03-10T13:11:15Z
dc.date.issued2024-09-26
dc.description67 p. : ill. ; 30 cm. (CD-Rom)
dc.description.abstractCe mémoire explore les réseaux de neurones, en introduisant d’abord leurs concepts fondamentaux et leur importance croissante dans le domaine de l’intelligence artificielle. Il présente les neurones biologiques comme une source d’inspiration pour la conception des neurones artificiels et définit les réseaux de neurones, en distinguant les architectures à propagation avant et récurrentes. Le principe de fonctionnement des réseaux de neurones et leurs mécanismes d’apprentissage, qu’ils soient supervisés, non supervisés ou semi-dirigés, sont ensuite examinés en profondeur. La deuxième partie du document s’intéresse aux réseaux de neurones à espace d’état (SSNN), en abordant leur représentation d’état, leur commandabilité et leur observabilité, ainsi que les avantages et inconvénients spécifiques à cette approche. Les méthodes d’apprentissage appliquées aux SSNN sont discutées, en mettant l’accent sur leur capacité à modéliser des systèmes dynamiques complexes. Enfin, la partie applicative du mémoire se concentre sur l’identification de systèmes linéaires et non linéaires, démontrant la pertinence et l’efficacité des SSNN dans la modélisation et le contrôle des systèmes réels.
dc.identifier.citationAutomatique et Informatique Industrielle
dc.identifier.otherMAST.AUTO.54-23
dc.identifier.urihttps://dspace.ummto.dz/handle/ummto/26974
dc.language.isofr
dc.publisherFGEI.UMMTO
dc.subjectRéseaux de neurones
dc.subjectNeurone biologique
dc.subjectNeurone artificiel
dc.subjectRéseaux à propagation avant
dc.subjectRéseaux récurrents
dc.subjectApprentissage supervisé
dc.subjectApprentissage non supervisé
dc.subjectRéseaux de neurones à espace d’état (SSNN)
dc.subjectCommandabilité
dc.subjectObservabilité
dc.subjectSystèmes dynamiques
dc.subjectIdentification des systèmes
dc.subjectModélisation
dc.subjectSystèmes linéaires
dc.subjectSystèmes non linéaires.
dc.titleRéseaux de neurones à espace d’état pour l’identification des systèmes dynamiques
dc.typeThesis

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Amoura Hichem; Achab Malik.pdf
Size:
2.54 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Département d'Automatique