Abstract FR:

Dans cette these, nous nous interessons a l'utilisation et l'adaptation des techniques connexionnistes dans la realisation des systemes de diagnostic de systemes complexes. Nous abordons le probleme difficile de la selection de variables et nous proposons deux nouvelles mesures de pertinence permettant de quantifier l'importance de chaque variable dans le systeme d'apprentissage. Ces techniques d'elagage permettent d'une part, d'ajuster la complexite du modele a la difficulte du probleme et d'autre part, de selectionner un sous-ensemble de caracteristiques pertinentes. Nous abordons ensuite le probleme du diagnostic des systemes complexes en utilisant les techniques de selection de variables comme pre-traitement des donnees. Nous proposons plusieurs systemes connexionnistes multi-modulaires pour realiser d'une part, des taches de diagnostic sur le reseau telephonique visant a assurer la detection d'incidents et d'autre part, l'identification de perturbations. Nous etudions ces deux problemes du diagnostic (detection et identification) avec deux approches differentes : l'approche par modelisation connexionniste et l'approche par combinaison de modeles.