Abstract FR:

Les techniques neuronales de traitement de l'information se sont developpees considerablement durant la derniere decennie. En particulier, l'emploi des reseaux multicouches est a la base de la majorite des applications et realisations industrielles utilisant les reseaux de neurones. Le travail presente dans ce memoire concerne l'utilisation de ce type de reseau comme outils d'inversion de donnees. Trois methodes ont ete developpees. La premiere methode est une methode directe. Cette methode s'appuie sur l'apprentissage de la relation donnees-parametres sur une base de comportements connus de cette relation. La deuxieme methode est une methode indirecte reposant sur la formulation adjointe. Un reseau multicouche est utilise pour l'approximation du probleme direct. L'inversion est realisee par retropropagation vers les entrees de l'erreur de prediction, suivant un schema analogue a la modelisation adjointe. L'adjoint du reseau de neurone est lui-meme, fonctionnant en sens retrograde (a poids fixes, on retropopage l'information de la sortie vers l'entree). La troisieme methode est la composition des deux methodes precedentes. Elle utilise en serie deux reseaux de neurones, le premier approximant le probleme inverse, le second approximant le probleme direct. Ces trois methodes ont ete testees dans le cas de la tomographie acoustique oceanique, dont le principe est d'estimer les champs de vitesse du son dans l'ocean a partir de mesures de signaux sonores propages entre des sources et des recepteurs acoustiques. Les resultats ont montre que les reseaux multicouches permettaient de resoudre le probleme inverse non lineaire de tomographie d'une maniere efficace. Ce travail ouvre les perspectives de l'elaboration d'une theorie neuronale de l'inversion que ce soit en geophysique, en controle ou traitement du signal