Abstract:
Les réseaux de neurones constituaient, lors de leur création, une tentative visant à mimer le cerveau biologique dans son fonctionnement afin de bénéficier de ses caractéristiques très intéressantes.
Actuellement, ces derniers désignent un ensemble d'opérateurs non-linéaires, qui rassemblés en réseaux, peuvent être efficacement utilisés dans plusieurs opérations relevant de différentes disciplines.
Nous citons le traitement de signal, la modélisation et la commande de systèmes.
Ce travail porte une étude détaillée sur les réseaux de neurones et leurs algorithmes d'apprentissages.
Nos applications se sont effectuées en reconnaissance de formes (caractère latin et chiffres arabes) et en identification et commande de systèmes, à savoir un réacteur chimique et un bras de robot.
Notre utilisation des réseaux de neurones à apprentissage non-supervisé pour la reconnaissance de formes, nous a permis de mettre l'accent sur leurs aptitudes en filtrage de bruits et en complétion des signaux.
En identification les résultats obtenus par les différents types de réseaux à apprentissage supervisé, en tant qu'approximateurs de fonctions non-linéaires, sont discutés et comparés.
En commande, des structures, contenant les réseaux à apprentissage supervisé et ceux à apprentissage non-supervisé, sont proposées.
La présentation des différents résultats obtenus dans chaque application et leur discussion nous ont permis de conclure sur les aptitudes des différents réseaux utilisés et leurs limites.
