Abstract FR:

Cette these est consacree a l'utilisation et l'amelioration des techniques neuronales dans le domaine de la reconnaissance des formes. Dans une premiere partie, essentiellement experimentale, nous nous sommes appliques a determiner le couple, associant un type de codage et une structure de reseau, qui nous permet d'obtenir le meilleur resultat en classification. Les reseaux neuronaux employes sont des perceptrons multi-couches. Nous traitons des donnees de natures differentes: images de camera, images scanner d'ecriture, ecriture dynamique (en ligne), signal de parole. Celles-ci presentent la double particularite d'etre acquises en situation reelle d'utilisation et d'etre generalement de grande dimension. Nous avons aborde les domaines de la detection de balises dans une scene 2d, de la reconnaissance d'ecriture manuscrite (chiffres, lettres, signatures) et de l'authentification de locuteurs. Confrontes lors de ces experimentations au delicat probleme de l'interpretabilite des sorties des reseaux, nous proposons, dans une deuxieme partie, une nouvelle approche ayant pour objectif d'ameliorer cette qualite. Cette approche est basee sur l'utilisation conjointe des techniques statistiques et des techniques connexionnistes. Dans un premier temps, nous avons utilise les reseaux en tant que filtres et nous nous sommes interesse a leurs proprietes statistiques de discrimination. Puis nous avons modifie la notion de sortie d'un reseau en le couplant avec un classifieur de parzen. Le premier transforme l'espace des donnees en un espace minimisant la probabilite d'erreur du second. Reciproquement, le classifieur guide directement, durant l'apprentissage, la transformation realisee. La couche de sortie du reseau devient une couche cachee du classifieur. Cette derniere demarche, bien que demandant a etre plus amplement validee par l'experimentation, ouvre de nouvelles voies theoriques et pratiques