ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 19/6 - 2005  - pp.913-950  - doi:10.3166/ria.19.913-950
TITRE
Utilisation des réseaux de neurones temporels pour le pronostic et la surveillance dynamique. Etude comparative de trois réseaux de neurones récurrents

RÉSUMÉ
L’objet de cet article consiste en un état de l’art des réseaux de neurones temporels et d’une comparaison de trois réseaux de neurones récurrents les plus représentatifs pour des applications de surveillance dynamique et de pronostic. Les critères de sélection de ces réseaux se situent à deux niveaux : temporel et architectural. Suite à l’application de ces critères, trois réseaux récurrents se distinguent : le RRBF, le R2BF et le DGNN. Des tests utilisant un benchmark de surveillance dynamique et un benchmark de pronostic nous permettent d’évaluer les performances des trois réseaux temporels en termes de temps de calcul et de capacité de traitement.

ABSTRACT
This article gives a state of the art of temporal neural networks and a comparison of three recurrent neural network which are most representative for applications of dynamic monitoring and prognosis. The criteria of selection of these networks are at two levels: a temporal criterion and an architectural criterion. Following the application of these criteria, three recurrent networks seem relevant: the RRBF, the R2BF and the DGNN. Tests using a benchmark of dynamic monitoring and a benchmark of prognosis enable us to evaluate the performances of the three temporal networks in term of computing and processing capacity time.

AUTEUR(S)
Nicolas PALLUAT, Daniel RACOCEANU, Noureddine ZERHOUNI

MOTS-CLÉS
réseau de neurones temporel, surveillance dynamique, pronostic, réseau de neurones récurrent, RRBF, R2BF, DGNN, apprentissage

KEYWORDS
temporal neural network, dynamic monitoring, prognosis, recurrent neural network, RRBF, R2BF, DGNN, learning

CITATIONS
ria.revuesonline.com/revues/30/citation/7120.html

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (572 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier