Modèles Informatiques du Langage et de la Cognition - MILC
Groupe Intelligence Artificielle
Département Informatique
English
Recherches
Publications
Home
Thésard
Biographie
Né le 2 août 1970 à Talence (Gironde).
Ingénieur E.N.S.T. (1991-1994).
Stage de 5 mois effectué au service Système expert (veille technologique)
de la régie Renault sur la prévision de séries temporelles par réseau de
neurones (prévision du Marché Toutes Marques trimestriel français).
Pour plus de détails, vous pouvez consulter mon curriculum-vitae (format postscript).
Directeur de thèse : Alain Grumbach
Groupe : MILC
Laboratoire d'accueil : SNCF, Direction de la Recherche, Département Prospective
Date de soutenance prévue : Novembre 1997
Approche connexioniste de la prévision de série temporelle
Alors que les techniques connexionistes classiques sont maintenant bien connues, en particulier
en ce qui concerne les perceptrons multicouche (MLP), leur application à la prévision de
série temporelle pose un certain nombre de problèmes. En effet, ce type d'application se
caractérise par plusieurs spécificités qui s'accomodent mal des MLP :
- un bruit important
- la notion de temps et de succession qui n'est pas présente dans les MLP
- des modèles très complexes d'interaction
L'objet de la thèse est donc de définir une méthodologie pour ce type de
prévision, de déterminer un certain nombre d'architectures dédiées
(comme par exemple TDNN, FIR, celle developpée dans le cadre de la thèse de J.C.Chappelier...),
d'utiliser des architectures hybrides ou d'en implanter de nouvelles plus adaptées
à ce problème spécifique et enfin d'établir un certain nombre de
tests de validation, en particulier en appliquant notre méthode à plusieurs exemples
et en comparant les résultats avec ceux de méthodes statistiques rodées, grâce
à des indicateurs objectifs.
Une autre partie du travail consistera à étudier une architecture
où le temps est intégré par construction et non plus en
le transformant en une dimension supplémentaire
ou en l'introduisant artificiellement (TDNN de Waibel par exemple). Une première tentative dans cette direction est le concept de réseau delta-NARMA qui peut être considéré comme une extension connexionniste des modèles statistiques ARIMA et ARARMA.
Un second sujet d'intérêt est la fusion entre traitement symbolique et numérique dans le cadre particulier de la prévision de séries temporelles. Nous avons ainsi pu étudier l'utilisation de techniques statistiques classiques (statistique de Fischer) à l'estimation de la pertinence et de la redondance dans des variables symboliques exogènes. Nous nous sommes aussi intéressés d'un point de vue plus général au méthode permettant de manipuler des données symboliques à l'aide d'un réseau connexionniste.
Afin de vérifier la validité de nos modèles, nous avons de plus développé un simulateur de réseau de neurones : dnns.
Un cours que j'ai écrit sur la prévision de séries temporelles par réseau de neurones (enseigné en troisième année à l'ENST) est disponible ici (format postscript compréssé, 683K).
Revues
- D.Bonnet, V. Perrault, A. Grumbach (1997)
"Delta
Networks: A Formalism to Design Local Extensions of Neural Network
Architectures"
submitted to Neural Processing Letters
(postscript)
- D.Bonnet, V. Perrault, A. Grumbach (1997)
"Using
symbolic data to improve connectionist forecasting: a methodology"
ENST technical report 97C002, Paris, France (postscript)
- D.Bonnet, V. Perrault, A. Grumbach (1996)
"Delta-NARMA neural networks: a new approach to signal prediction"
ENST technical report 96C008, Paris, France -- to appear in IEEE trans. on Signal Processing special issue on Neural Networks for Signal Processing (postscript)
Conferences
- D.Bonnet, V. Perrault, A. Grumbach (1997)
"Daily Passenger Traffic Forecasting using delta-NARMA Neural Networks"
to appear in the proceedings of the World Congress on Railroad Research (WCRR'97)
- D.Bonnet, V. Perrault, A. Grumbach (1997)
"Delta-NARMA
neural networks: a connectionist extension of ARARMA models"
Proceedings of the European Symposium on Artificial Neural Networks
1997 (ESANN'97), ed. M. Verleysen, D Facto, Brussels, Belgium, pp. 127-132 (postscript)
- D.Bonnet, V. Ancona, A.Grumbach (1995)
"Forecasting rail traffic using hierarchical mixtures of connexionist experts"
International Conference on Artificial Neural Networks 1995 (ICANN'95), EC2, Paris, France
- D.Bonnet, V. Perrault, A. Grumbach (1997)
"Utilisation
des modèles connexionnistes pour la prévision à court terme du trafic
ferroviaire"
to appear in the proceedings of the 3ème
journées industrielles Modulad, Applications industrielles de
l'analyse des données
- D.Bonnet, V. Ancona, A.Grumbach (1995)
"Modélisation du traffic ferroviaire par arbre d'experts connectionnistes"
Journée de sensibilisation aux méthodes neuronales, Observatoire Economique et Statistique des Transports, Paris, France
- D.Bonnet (1995)
"Approche temps-fréquence pour un prédicteur neuronal"
Technical Report, DR/RP/TSI/IA/DB-95-001, SNCF, Département Prospective, Paris, France
- D. Bonnet (1994)
"Prévision du M.T.M. par réseau de neurones"
Internship Report, ENST, Paris, France
Dernière remise à jour le 7 mars 1997
Denis Bonnet (bonnet@inf.enst.fr)
Denis BONNET
Recherches
Publications