Abstract FR:

De nos jours, il existe diverses applications industrielles necessitant le traitement de formes spatio-temporelles (st). Il s'agit de donnees multi-dimensionnelles a la fois correlees dans l'espace et dans le temps, comme par exemple une sequence animee d'images. Les modeles connexionnistes, surtout connus pour leur capacite a extraire des correlations spatiales, commencent a proposer des solutions pour traiter des formes st. Ce travail propose d'elargir les capacites de plusieurs modeles de reseaux de neurones artificiels (rna) connus au traitement des formes st composees de signaux impulsionnels. Notre approche repose sur un codage integrant les caracteristiques spatiales et temporelles des donnees. Ce codage est defini dans le corps des complexes. L'un des deux degres de liberte de ces nombres code l'amplitude des impulsions, l'autre est consacre a la date de ces impulsions. Nous avons valide notre approche sur le perceptron multicouche, la carte de kohonen et le reseau rbf. Nous avons par ailleurs tente d'integrer noter codage dans le modele de hopfield et constate que la demarche presente dans ce cas peu d'interet. Pour aller au dela de quelques exemples illustratifs, la derniere partie de la these est consacree a une application concrete dans le domaine de la reconnaissance en ligne de caracteres manuscrits isoles. Le trace d'un caractere produit, en effet, des informations de nature st prenant en compte a la fois la disposition des points et leur ordonnancement dans le temps. Nous proposons un systeme de reconnaissance a deux etages connexionnistes : le premier identifie certaines primitives dans le trace des lettres et le deuxieme effectue la tache de reconnaissance. Ce systeme, dont les performances sur des bases multiscripteurs sont prometteuses, presente l'avantage d'etre beaucoup plus simple que ceux existant par ailleurs.