Cycle de vie d‟apprentissage du réseau neuronal

Cycle de vie d‟apprentissage du réseau neuronal

Contenu du memoire

Introduction Générale
Chapitre I : Contexte et fondement
Introduction
1. Notion de contexte
2. Notion de sensibilité au contexte
3. Lignes de Produits Logiciels
4. Ligne de produits logiciels statiques
5. Ligne de produits logiciels dynamique
6. Les systèmes informatiques autonomes
7. La relation entre l‟informatique autonome et l‟informatique sensible au contexte
8. Objectif
Conclusion
Chapitre II : Approches non-SPLs pour les systèmes sensibles au contexte
Introduction
1. Modèles de sensibilité au contexte
1.1 Les modèles à paires clés-valeurs
1.2 Les modèles logiques
1.3 Les modèles orientés objet
1.4 Les modèles à langage de description
1.5 Les modèles graphiques
1.6 Les modèles ontologiques
2. Principales plateformes existantes de sensibilité au contexte
2.1. Context Toolkit
2.2. Contexte Broker Architecture (CoBrA)
2.3. Context Management Framework (CMF)
2.4. Service oriented context-aware middleware (SOCAM)
2.5. Plateforme d‟adaptation d‟applications a de nouveaux contextes d‟utilisation SECAS
Conclusion
Chapitre III : Approches SPLs pour les systèmes sensibles au contexte
Introduction
1. Ligne de Produits Logiciels
1.1 La gestion de la variabilité des systèmes sensibles au contexte
1.2 Modélisation de contexte et l‟adaptation dynamique avec Le modèle de caractéristiques
1.2.1 Modélisation des caractéristiques du contexte
1.2.2 Analyse du contexte
1.2.3 Modélisation de l‟adaptation
1.3 Modélisation des caractéristiques dynamiques d‟une application
2. SPL Statique pour la dérivation des systèmes sensibles au contexte
3. SPL Dynamique pour la dérivation des systèmes sensibles au contexte
4. Ligne de Produits Logiciels autonome ASPL
Conclusion
Chapitre IV : Ligne de Produits Logiciels Pour Systèmes Sensibles au Contexte
Introduction
1. CA-SPL: Une vue générale
2. Adaptation automatique des poids de réseau de neurones
2.1  Le processus de définition des connaissances
2.1.1 Modélisation des systèmes sensibles au contexte
2.1.2 La gestion de la  variabilité des systèmes sensibles au contexte
2.2 Le processus de génération des évènements contextuels
2.2.1 CMS Virtuel
2.3 Le processus de génération des plans de reconfigurations
2.4 L‟exécution de l‟algorithme d‟apprentissage
2.4.1 Modélisation du réseau de neurones pour l‟application sensible au contexte
2.4.2 L‟apprentissage du réseau de neurones
Conclusion
Chapitre V : Cas d’étude
Introduction
1. Cas d‟étude : un système de notification
2. Défie
3. Cycle de vie d‟apprentissage du réseau neuronal
4. Cycle de vie de l‟adaptation d‟une application
5. Phase de conception : l‟apprentissage du réseau de neurones
5.1 Modélisation de variabilité avec le modèle de caractéristiques
5.2 Représentation de l‟information contextuelle
5.3 Représentation des contraintes sous forme d‟un tableau.
5.4 Exécution de l‟algorithme génétique
5.5 Apprentissage du réseau de neurones artificiels
6. Phase d‟exécution : L‟utilisation du Réseau de Neurones
Conclusion
Chapitre VI : Conclusion Générale
Conclusion
1 Contributions
1.1 Représentation binaire de contexte
1.2 Représentation Matriciel des contraintes de FM
1.3 Génération des exemples d‟apprentissage
2 Les leçons tirées
3 Perspectives du travail
Bibliographie

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *