Abstract FR:

Dans ce mémoire nous proposons une méthode originale d'acquisition de modèles : l'identification structurelle. Nous nous plaçons dans un cadre intermédiaire entre les méthodes de modélisation classiques et les méthodes basées sur l'apprentissage. Nous montrons que pour le cas d'une classe particulière mais assez générale de fonctions il est possible d'inférer automatiquement la forme d'équation qui représente au mieux un certain processus physique, évitant ainsi l'effort de caractérisation du modelé par le concepteur. L'acquisition des modèles est faite suivant un protocole expérimental dans lequel l'identification de paramètres est à des problèmes n'ayant qu'une seule dimension d'entrée, réduisant ainsi la quantité de données requise. Les modèles générés par la méthode sont facilement différentiables, améliorables et réutilisables. La méthode peut être particulièrement utile en robotique ou l'on rencontre souvent le type fonctionnel considéré