Apprentissage dans les réseaux récurrents pour la modélisation mécanique et étude de leurs interactions avec l'environnement - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 1995

Learning in recurrent networks by interacting with the environment for mechanical modeling

Apprentissage dans les réseaux récurrents pour la modélisation mécanique et étude de leurs interactions avec l'environnement

Résumé

Recurrent neural networks, which are inspired from biological principles, are used to model complex dynamic behaviours and to reproduce — to learn — such behaviours. The adaptive properties of these nets can be applied to physical modelling networks dedicated to the simulation of musical instruments. These physical modelling nets contain inertia, stiffness and damping parameters that one wishes to set automatically in order to reproduce a given mechanical behaviour ; this is possible thanks to recurrent neural algorithms. Algorithms for the paramater adaptation of physical models are developped and simulated. Original algorithms are also developed, based on mechanical principles.
Issus d'une analogie avec les réseaux de neurones biologiques du cerveau, les réseaux récurrents sont utilisés pour modéliser des comportements dynamiques complexes et pour reproduire - apprendre - ces comportements. Les propriétés adaptatives de ces réseaux peuvent être exploitées par les réseaux de modélisation physique de phénomènes vibratoires dédiés à la simulation informatique d'instruments de musique. Ces réseaux de modélisation mécanique possèdent des paramètres d'inertie, d'élasticité et de viscosité que l'on souhaite déterminer automatiquement dans le but de reproduire un comportement physique donné ; cette détermination est possible grâce aux réseaux récurrents. Nous développons ainsi un certain nombre d'algorithmes de réseaux de modélisation physique adaptatifs et proposons des algorithmes originaux, inspirés de modèles mécaniques. En particulier, ce travail aborde la notion d'interaction avec l'environnement dans ce type de réseaux, et plus généralement dans les réseaux connexionnistes supervisés. A travers plusieurs expériences, nous montrons que, sous certaines conditions, l'interaction avec l'environnement permet la réussite de l'apprentissage, en particulier si cette interaction autorise un apprentissage à complexité progressive. De plus, nous établissons des rapprochements entre ce type d'apprentissage et certains apprentissages humains. Cela nous amène à poser les bases d'un système d'identification de paramètres pour la modélisation d'instruments de musique. Ce système fait interagir en temps réel un instrumentiste, un instrument de musique et un ordinateur simulant le modèle adaptatif
Fichier principal
Vignette du fichier
Szilas.Nicolas_1995_these.pdf (10.35 Mo) Télécharger le fichier

Dates et versions

tel-00345820 , version 1 (10-12-2008)

Identifiants

  • HAL Id : tel-00345820 , version 1

Citer

Nicolas Szilas. Apprentissage dans les réseaux récurrents pour la modélisation mécanique et étude de leurs interactions avec l'environnement. Modélisation et simulation. Institut National Polytechnique de Grenoble - INPG, 1995. Français. ⟨NNT : ⟩. ⟨tel-00345820⟩
797 Consultations
239 Téléchargements

Partager

Gmail Facebook X LinkedIn More