Partenaires

CNRS
Logo tutelle
Logo tutelle
Logo tutelle


Rechercher

Sur ce site

Sur le Web du CNRS


Accueil du site > Séminaires > Probabilités Statistiques et réseaux de neurones > Techniques " soft-computing " pour l’Identification de Systèmes. Une perspective d’Optimisation

Vendredi 21 février 2003 à 10h

Techniques " soft-computing " pour l’Identification de Systèmes. Une perspective d’Optimisation

Gonzalo Joya (Departamento de Tecnología Electrónica. ETSSI Telecomunicación, Université de Málaga, Espagne)

Résumé : L’identification d’un système peut-être considérée l’une des plus importantes opérations de l’ingénierie à cause de son applicabilité à des tâches en rapport à des systèmes industriels et des systèmes d’intérêt social tels que les impliqués en démographie, en épidémiologie, en économie, etc.

Quand on dispose d’un modèle du système physique basé sur un Système d’Equations Différentielles, l’identification peut être exposée en termes d’estimation de la valeur des paramètres du système d’équations à partir des observations discrètes des variables d’état du modèle.

De cette perspective, l’identification peut être abordée comme un problème d’optimisation, en ce sens qu’il s’agit de trouver les valeurs des paramètres qui produiront les erreurs les plus basses entre les valeurs observées et les estimées pour les variables d’état. Cette façon d’envisager le problème permet sa résolution au moyen de deux paradigmes très connus parmi ceux englobés dans le terme " soft-computing " : les Algorithmes Génétiques et les Réseaux de Neurones Rebouclés d’Hopfield. Dans cet exposé, nous décrivons l’adaptation de ces deux paradigmes à la résolution d’un problème d’identification et nous discutons et comparons ses limitations et possibilités.

Dans la même rubrique :