APPLICATION DES SYSTEMES STRUCTURES A L’ETUDE DU
2 pages
Français

APPLICATION DES SYSTEMES STRUCTURES A L’ETUDE DU

-

Le téléchargement nécessite un accès à la bibliothèque YouScribe
Tout savoir sur nos offres
2 pages
Français
Le téléchargement nécessite un accès à la bibliothèque YouScribe
Tout savoir sur nos offres

Description

Sujet de Thèse Reconnaissance en ligne de formes temporelles multi-signaux à l’aide d’un algorithme d’extraction de tendance multi-variable pour la détection de situations particulières Responsable : Sylvie Charbonnier Email : Sylvie.Charbonnier@gipsa-lab.inpg.fr Tel : 04 76 82 64 15 Co-encadrant : Christelle Godin, CEA E-mail : christelle.godin@cea.fr Site web du département : http://www.gipsa-lab.inpg.fr/ Financement : demandé obtenu : MOTS-CLES : Pattern matching, reconnaissance de formes temporelles, analyse de tendance, fouille de données CADRE ET OBJECTIFS DU SUJET : Contexte Dans de nombreuses applications, l’occurrence d’une situation spécifique se traduit par l’apparition d’une forme temporelle particulière sur un ou plusieurs signaux. La détection de ces situations nécessite le développement d’algorithmes capables de reconnaître en ligne sur les signaux la forme caractéristique de la situation. Le champ d’application de tels algorithmes est vaste : - surveillance et diagnostic de systèmes par observation des variables clés du procédé (unités de production chimiques, centrales de production électriques, patient en unités de soins intensifs, …) - analyse de mouvements à partir de signaux EMG - reconnaissance d’actions humaines par signaux videos … Le principe de la reconnaissance de formes temporelles est de comparer les signaux enregistrées avec une base de cas contenant des exemples de la ...

Informations

Publié par
Nombre de lectures 30
Langue Français

Extrait

Département Automatique – GIPSA-lab, B.P. 46, 38402 Saint Martin d’Hères cedex
Sujet de Thèse
Reconnaissance en ligne de formes temporelles multi-signaux à l’aide d’un algorithme
d’extraction de tendance multi-variable pour la détection de situations particulières
Responsable
:
Sylvie Charbonnier
Email :
Sylvie.Charbonnier@gipsa-lab.inpg.fr
Tel : 04 76 82 64 15
Co-encadrant : Christelle Godin,
CEA
E-mail :
christelle.godin@cea.fr
Site web du
département
: http://www.gipsa-lab.inpg.fr/
Financement :
demandé
obtenu :
MOTS-CLES :
Pattern matching, reconnaissance de formes temporelles, analyse de tendance, fouille de données
CADRE ET OBJECTIFS DU SUJET :
Contexte
Dans de nombreuses applications, l’occurrence d’une situation spécifique se traduit par l’apparition
d’une forme temporelle particulière sur un ou plusieurs signaux. La détection de ces situations
nécessite le développement d’algorithmes capables de reconnaître en ligne sur les signaux la forme
caractéristique de la situation.
Le champ d’application de tels algorithmes est vaste :
-
surveillance et diagnostic de systèmes par observation des variables clés du
procédé (unités de production chimiques, centrales de production électriques,
patient en unités de soins intensifs, …)
-
analyse de mouvements à partir de signaux EMG
-
reconnaissance d’actions humaines par signaux videos …
Le principe de la reconnaissance de formes temporelles est de comparer les signaux enregistrées
avec une base de cas contenant des exemples de la (ou les) situations à reconnaître à l’aide d’une
mesure de similarité. Une mesure fréquemment utilisée est la DTW (Dynamic Time Warping) car elle
obtient un bon taux de reconnaissance, même quand les signaux sont déformés suivant l’axe temps.
Cependant, elle est difficilement utilisable pour des applications en ligne car elle nécessite un nombre
de calculs important (O(N
2
), N étant le nombre de points constituant la forme à reconnaître).
Objectifs
L’objectif de ce travail de thèse est de développer une méthodologie de reconnaissance de formes
temporelles en ligne s’appuyant sur une représentation des signaux par leur tendance qualitative. La
tendance qualitative d’un signal est une succession d’épisodes temporels définis par un instant et une
valeur de début et un instant et une valeur de fin, donnant une information symbolique sur l’évolution
temporelle du signal. Les extrémités des épisodes représentent les points caractéristiques du signal.
La tendance réalise une compression des signaux, qui permet de ne conserver que les points
pertinents du signal, tout en fournissant une information qualitative sur l’évolution temporelle de la
variable.
Département Automatique – GIPSA-lab, B.P. 46, 38402 Saint Martin d’Hères cedex
Il existe, dans la littérature, différents algorithmes d’extraction de tendance mais la plupart sont mono-
variables. La tendance est découpée sur chaque variable indépendamment des autres variables
enregistrées. Or, pour de nombreuses applications, la forme temporelle à reconnaître se caractérise
par des variations simultanées sur plusieurs variables. Les points caractéristiques des signaux ne
doivent pas être extraits de manière indépendante.
Un des premiers objectifs de ce travail de thèse sera donc de développer une méthodologie
d’extraction de tendance en ligne multi-variable. Ensuite, il s’agira de développer des méthodes de
reconnaissance de formes temporelles en ligne utilisant la tendance multi-variable.
Plusieurs pistes pourront être envisagées :
- Calcul de la similarité en ligne par DTW sur les points caractéristiques de la
tendance
- Développement de méthodes de fouille de données adaptées à la représentation par
tendance permettant de caractériser automatiquement la particularité de la situation à
reconnaître puis mise en oeuvre d’une procédure de détection de la forme à partir de la
tendance.
La validation des algorithmes développés sera effectuée sur des données simulées et des données
provenant d’applications réelles proposées par le CEA.
REFERENCES :
Bakshi, B.R., Stephanopoulos G., « Representation of process trends IV. Induction of real-time
patterns form operating data for diagnosis and supervisory control »,
Comp. Chem. Engng
.
Vol. 18, p.
303-332, 1994.
Charbonnier S. “Multivariable event detection in Intensive Care Units”,
6th IFAC Symposium on
Modelling and Control in Biomedical Systems
, September 20-22, 2006, Reims, France
Charbonnier S., Garcia-Beltan C., Cadet C., Gentil S. "Trends extraction and analysis for complex
system monitoring and decision support"
Engineering Applications of Artificial Intelligence
Vol
18, n°1, pp 21-36, 05
Colomer J., Melendez J., Gamero F. I., « Qualitative representation of process trends for situation
assessment based on cases »,
Proceedings of 25th IFAC World Congress b’02
, Barcelona (Espagne),
2002.
  • Univers Univers
  • Ebooks Ebooks
  • Livres audio Livres audio
  • Presse Presse
  • Podcasts Podcasts
  • BD BD
  • Documents Documents