Abstract FR:

Cette thèse constitue une investigation de la modélisation de systèmes flous et de l'intégration des techniques floues et neuronales. Elle propose aussi des solutions originales utilisant ces approches pour la résolution de deux problèmes : la régulation de trafic de lignes de métro automatisées et la modélisation d'expressions faciales. Une première partie théorique comporte deux volets. Le premier vise à analyser certains fondements mathématiques relatifs aux systèmes flous. Ainsi, on se situe dans le contexte de l'approximation universelle de fonctions afin d'analyser les capacités des systèmes flous. L'intérêt applicatif des propriétés analysées est mis en évidence. Le second volet propose des solutions à des problèmes liés à la modélisation et l'identification des systèmes flous. Une démarche générale pour leur modélisation y est présentée. Dans ce cadre, différentes contributions sont apportées aussi bien pour l'identification de la structure externe du système flou, que pour l'identification de la structure interne, utilisant les propriétés d'apprentissage des techniques neuronales. Une seconde partie applicative analyse deux problématiques. Le premier aspect rentre dans le cadre de la conception de systèmes d'aide à la décision et concerne le problème de la régulation de lignes de métro automatisées. Un modèle générique et évolutif pour la régulation utilisant les techniques neurofloues est élaboré. Le modèle obtenu est testé et validé sur différentes lignes de métro. Le second aspect se situe dans le contexte de la modélisation de processus de perception humaine et propose l'utilisation de systèmes flous pour la représentation d'expressions faciales humaines et le raisonnement sur la transition entre expressions faciales. Nous présentons les différentes étapes de la modélisation floue proposée et discutons ces performances.