Abstract FR:

L'objet de cette these est de proposer et de developper une methode generale et robuste permettant de traiter deux types de problematique de traitement de sequences. L'approche generale se fonde sur une modelisation pertinente du phenomene observe et sur l'inference statistique des parametres de cette modelisation et de leurs variations. Pour les deux problematiques, nous avons developpe des systemes hierarchiques et hybrides, tirant parti des capacites d'approximateurs universels des reseaux de neurones et integrant de la connaissance a priori sur le probleme. Le premier probleme traite s'inscrit dans le cadre general de la prevision du comportement d'un systeme dynamique evoluant selon le contexte. Plus precisement, nous avons propose un nouveau systeme hierarchique et evolutif pour prevoir la fin de decharge de batteries rechargeables alimentant un appareil portable. Le modele original propose utilise deux reseaux de neurone. Le premier est un simple modele d'une courbe de decharge alors que le second est responsable de l'adaptation aux donnees contextuelles et estime les parametres du premier reseau. La version incrementale proposee permet une adaptation en ligne aux variabilites comportementales des batteries. Les resultats obtenus sont bons avec une erreur moyenne de 6 minutes pour un evenement qui peut intervenir dans un intervalle de 10 heures. Le second probleme aborde consiste en l'extraction automatique d'un contour dans des images medicales : le contour du ventricule gauche dans des images angiocardiographiques. La delineation precise de cet objet sert de base a la mesure de quantites tres utiles au diagnostic de maladies cardio-vasculaires. Le systeme propose utilise le plus possible de l'information a priori de haut niveau afin de restreindre la recherche vers le contour le plus probable. Cette recherche se base sur un modele hybride reseau de neurones - chaine de markov cachee. Les resultats prometteurs obtenus demontrent l'interet de cette demarche.