Abstract FR:

L'etude presentee dans ce memoire traite de deux applications des reseaux de neurones: la classification de formes statiques et la prediction de suites chronologiques. Le memoire debute par une presentation generale des architectures de reseaux et des algorithmes d'apprentissage s'y rapportant. La deuxieme partie est consacree a l'etude des classifieurs neuronaux. Nous presentons la facon dont un reseau de neurones permet d'etablir des separations entre des ensembles de points representatifs de classes. Nous traitons ensuite des problemes simples qui nous permettent de mettre en evidence les differents parametres intervenant dans la resolution de ces problemes. Puis nous traitons un probleme reel et complexe: la reconnaissance de chiffres manuscrits. Nous terminons par la presentation d'une methode de plus en plus utilisee pour la realisation de classifieurs. Elle consiste a construire le reseau au fur et a mesure des besoins indiques par les performances de classification obtenues. La troisieme partie est consacree a la realisation de predicteurs non lineaires pour des suites chronologiques. Le probleme initial consistait a trouver un predicteur pour une suite constituee de donnees reelles: les cours boursiers. Afin d'interpreter la facon dont un reseau de neurones peut assurer la fonction d'un predicteur, nous avons traite en parallele des suites modeles. Avant de rechercher des predicteurs, nous avons procede a une analyse des differentes suites afin de les caracteriser. Nous avons ensuite teste des predicteurs polynomiaux ainsi que des predicteurs neuronaux. Les predicteurs testes n'ont pas fourni les resultats attendus pour les suites issues des cours boursiers, en revanche, les performances obtenues avec les suites modeles montrent que les reseaux de neurones sont des outils capables d'apprendre des fonctions et de realiser ainsi de bons predicteurs