Algorithmes a base de reseaux de neurones pour la commande de systemes dynamiques non lineaires et leurs modeles d'integration sur silicium (french text)
Bibliographic record
Abstract
L'amelioration de la qualite de la commande de systemes pour les applications modernes necessite la prise en compte de tous les phenomenes physiques auxquels ces systemes sont soumis. Ceci constitue un probleme difficile pour les concepteurs qui se trouvent confrontes a deux problematiques contradictoires: (i) les algorithmes permettant de satisfaire les criteres de commande des applications visees sont en general plus complexes et par consequent plus difficiles a integrer efficacement dans les processeurs; (ii) l'Integration a Tres Grande Echelle (ITGE) permettant de satisfaire les criteres d'implementation privilegie les algorithmes plus simples a integrer. L'objectif de cette these est d'apporter une contribution scientifique au domaine de la commande de systemes dynamiques non lineaires. Cette contribution vise deux domaines complementaires en commande: (i) le developpement d'algorithmes a base de RNA pour la commande de systemes dynamiques non lineaires; (ii) la modelisation au niveau de l'ITGE d'algorithmes de commande. Les contributions scientifiques apportees par la presente these sont: (1) de nouveaux algorithmes adaptatifs pour la retro propagation a travers le modele neuronal dans une structure de commande indirecte inverse. Ces algorithmes s'avereront etre, par rapport aux algorithmes de reference de la litterature, de meilleurs compromis entre les differents criteres algorithmiques et d'ITGE, (2) une architecture hautement parallele pour l'ITGE de la loi de commande developpee tout au long de la these, architecture integrant le ou les nouveaux algorithmes developpes, (3) la modelisation de circuit CMOS pour l'ITGE de l'architecture proposee. La contribution a ce niveau sera surtout le circuit global obtenu, demontrant d'une part la faisabilite d'un ASIC analogique pour l'ITGE de la loi de commande proposee, et d'autre part la possibilite d'obtenir un circuit qui peut satisfaire a des applications en commande de systemes dynamiques non lineaires. Les resultats apportes par la these demontrent la pertinence de travaux de recherche reliant les domaines algorithmiques et d'ITGE pour des applications en commande. Ces resultats demontrent egalement la possibilite de developper conjointement les algorithmes de commande et des ASIC pour leur implementation afin d'obtenir une solution pratique et efficace.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".