• Accueil LIP6
  • Page : 'rapport_recherche' inconnue (menus.php)

LIP6 1998/043

  • Thèse
    APPRENTISSAGE ET DIAGNOSTIC DE SYSTEMES COMPLEXES : RÉSEAUX DE NEURONES ET RÉSEAUX BAYÉSIENS.
    Application à la gestion en temps réel du trafic téléphonique français
  • Ph. Leray
  • 176 pages - 10/09/1998- document en - http://www.lip6.fr/lip6/reports/1998/lip6.1998.043.ps.tar.gz - 588 Ko
  • Contact : Philippe.Leray (at) nulllip6.fr
  • Ancien Thème : APA
  • Ce travail porte sur le diagnostic de systèmes complexes à l'aide de méthodes de Reconnaissance des Formes. Les systèmes industriels étant de plus en plus complexes, il faut les surveiller en permanence pour détecter les pannes éventuelles et maintenir une bonne qualité de service. Ces considérations ont motivé d'importants efforts dans le développement de méthodes de diagnostic. Suite à un appel d'offre lancé en 1994 par le CNET et France Télécom, nous avons commencé à travailler sur l'utilisation des Réseaux de Neurones pour le diagnostic en temps réel du trafic téléphonique.
    La première section de ce document regroupe trois chapitres concernant l'utilisation de méthodes connexionnistes pour le diagnostic de systèmes complexes. Le chapitre 1 présente succinctement les problématiques du Diagnostic, l'utilisation de méthodes de Reconnaissance des Formes dans ce cadre, et plus précisément les Réseaux de Neurones et les Réseaux Bayésiens. Ensuite les chapitres 2 et 3 proposent deux études plus spécialement détaillées sur l'utilisation des Réseaux de Neurones comme outils pour le Diagnostic: les mesures de confiance en classification et la sélection de variables.
    La seconde section concerne plus précisément l'application des outils connexionnistes à la gestion du trafic téléphonique. Le chapitre 4 présente le problème et l'approche que nous avons retenue : tout d'abord une génération locale et statique d'alarmes correspondants aux différentes perturbations, et ensuite différentes méthodes de filtrage d'alarmes qui prennent en compte les dépendances qui existent dans un système complexe. Le chapitre 5 présente les différentes expériences que nous avons effectuées au niveau local de notre architecture de diagnostic. Le chapitre 6 montre ensuite l'utilisation des Réseaux de Neurones pour le filtrage temporel puis spatial d'alarmes, et celle des Réseaux Bayésiens pour le filtrage spatial d'alarmes.
  • Mots clés : Réseaux de Neurones, Réseaux Bayésiens, Apprentissage Diagnostic, Sélection de Variables, Mesure de Confiance
  • Directeur de la publication : Valerie.Mangin (at) nulllip6.fr
Mentions légales
Carte du site