Abstract FR:

Au début des années 80, des techniques informatiques fondées sur des principes s'inspirant du fonctionnement biologique du cerveau ont revu le jour. Ces techniques baptisées "neuronales" sont utilisées maintenant en laboratoire ou en milieu industriel pour résoudre des tâches aussi complexes que la reconnaissance de formes, le diagnostic ou la prévision de séries temporelles. L'objectif de cette thèse est d'étudier un certain nombre de ces modèles neuronaux, dans leur environnement applicatif, et de proposer une évaluation de leurs performances, tant théorique qu'expérimentale. Pour chaque type d'application, cependant, des algorithmes "classiques" existent déjà. Nous nous attacherons à étudier leurs performances, comme pour les algorithmes neuronaux, avec des outils de modélisation théorique et sur les mêmes bases de données. Deux sortes de comparaisons nous intéressent plus particulièrement : la comparaison des algorithmes entre eux et la comparaison entre la mesure expérimentale d'un algorithme et sa modélisation théorique. Enfin, nous étudierons les possibilités d'implémentation informatique de ces algorithmes, notamment sur machine parallèle.