Apprentissage et diagnostic de systemes complexes : reseaux de neurones et reseaux bayesiens. application a la gestion en temps reel du trafic telephonique francais
暂无分享,去创建一个
Ce travail porte sur le diagnostic de systemes complexes a l'aide de methodes de reconnaissance des formes. Les systemes industriels etant de plus en plus complexes, il faut les surveiller en permanence pour detecter les pannes eventuelles et maintenir une bonne qualite de service. Ces considerations ont motive d'importants efforts dans le developpement de methodes de diagnostic. Suite a un appel d'offre lance en 1994 par le cnet et france telecom, nous avons commence a travailler sur l'utilisation des reseaux de neurones pour le diagnostic en temps reel du trafic telephonique. La premiere section de ce document regroupe trois chapitres concernant l'utilisation de methodes connexionnistes pour le diagnostic de systemes complexes. Le chapitre 1 presente succinctement les problematiques du diagnostic, l'utilisation de methodes de reconnaissance des formes dans ce cadre, et plus precisement les reseaux de neurones et les reseaux bayesiens. Ensuite les chapitres 2 et 3 proposent deux etudes plus specialement detaillees sur l'utilisation des reseaux de neurones comme outils pour le diagnostic : les mesures de confiance en classification et la selection de variables. La seconde section concerne plus precisement l'application des outils connexionnistes a la gestion du trafic telephonique. Le chapitre 4 presente le probleme et l'approche que nous avons retenue : tout d'abord une generation locale et statique d'alarmes correspondants aux differentes perturbations, et ensuite differentes methodes de filtrage d'alarmes qui prennent en compte les dependances qui existent dans un systeme complexe. Le chapitre 5 presente les differentes experiences que nous avons effectuees au niveau local de notre architecture de diagnostic. Le chapitre 6 montre ensuite l'utilisation des reseaux de neurones pour le filtrage temporel puis spatial d'alarmes, et celle des reseaux bayesiens pour le filtrage spatial d'alarmes.