| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Author
| |
| alternative label
| - Neural networks and genetic algorithms, application for the modelisation and the optimisation of industrial dryers
|
| dc:subject
| - Intelligence artificielle
- Thèses et écrits académiques
- Computer aided design
- Artificial intelligence
- Optimization
- Réseaux neuronaux (informatique)
- Algorithmes génétiques
- Intelligence artificielle -- Logiciels
- Optimisation
- Drying
- Application industrielle
- Industrial application
- Conception assistee
- Neural network
- Systeme complexe
- Reseau neuronal
- Complex system
- Convection drying
- Sechage
- Sechage convection
|
| preferred label
| - Réseaux de neurones et algorithmes génétiques, application à la modélisation et à l'optimisation de séchoirs industriels
|
| Language
| |
| Subject
| |
| dc:title
| - Réseaux de neurones et algorithmes génétiques, application à la modélisation et à l'optimisation de séchoirs industriels
|
| Degree granting institution
| |
| note
| - L'OPTIMISATION DE SECHOIRS NECESSITE DEUX TYPES D'OUTILS POUR, DANS UN PREMIER TEMPS, REPRESENTER EFFICACEMENT LE COMPORTEMENT DU SYSTEME ET, PAR LA SUITE, OPTIMISER SIMULTANEMENT SA STRUCTURE, SES DIMENSIONS ET SES PARAMETRES DE FONCTIONNEMENT. DANS CETTE THESE, UNE NOUVELLE APPROCHE GLOBALE D'OPTIMISATION EST DEVELOPPEE. LES RESEAUX DE NEURONES ARTIFICIELS Y SONT UTILISES POUR REPRESENTER EFFICACEMENT LES PHENOMENES PHYSIQUES APPARAISSANT LORS DU SECHAGE ET LES ALGORITHMES GENETIQUES PERMETTENT D'OPTIMISER DIFFERENTS PROBLEMES. L'APPROCHE EST VALIDEE SUR DEUX EXEMPLES DE SECHOIRS INDUSTRIELS CONVECTIFS. LES APPLICATIONS DEVELOPPEES DANS CETTE THESE SORTENT DU CHAMP DE COMPETENCES CLASSIQUE DES RESEAUX DE NEURONES EN PERMETTANT LA REPRESENTATION DES RESULTATS FOURNIS PAR UN MODELE DE SECHAGE MATHEMATIQUE. POUR UNE MEME PRECISION, LES RN OFFRENT AINSI LA POSSIBILITE DE DIMINUER LES TEMPS DE SIMULATIONS DANS DES RAPPORTS VARIANT DE 100 A 1000 PAR RAPPORT A DES APPROCHES PLUS CLASSIQUES (DIFFERENCES FINIES, METHODE PRE-INTEGREE). PAR AILLEURS, IL DEVIENT POSSIBLE DE CONTROLER LE NIVEAU DE CONNAISSANCES SUR LE PROCESSUS OU SUR LE PRODUIT A TRAITER PENDANT LA CONSTITUTION DE LA REPRESENTATION NEURONALE. ENFIN, L'APPLICATION SIMULTANEE DE LA REPRESENTATION NEURONALE ET DE LA RECHERCHE PAR ALGORITHME GENETIQUE NOUS A PERMIS DE MENER UNE APPROCHE D'OPTIMISATION GLOBALE MULTI-CRITERES SUR DES INSTALLATIONS DE SECHAGE. L'APPLICATION FINALE UTILISE LES CAPACITES DE CHACUN DE CES OUTILS AFIN DE DETERMINER LES PARAMETRES DE CONCEPTION ET DE CONDUITE DES BENEFICE). CETTE APPROCHE PERMET AUSSI D'ABOUTIR A DES SOLUTIONS TECHNOLOGIQUES ADAPTEES AUX CONTRAINTES IMPOSEES PAR L'ENVIRONEMENT INDUSTRIEL. DE PLUS, LA GLOBALITE DU PROBLEME TRAITE NOUS PERMET DE NOUS AFFRANCHIR DE LA DEMARCHE LINEAIRE ET REDUCTRICE GENERALEMENT UTILISEE PENDANT LA PHASE DE CONCEPTION D'UN SYSTEME : LES SOLUTIONS OBTENUS SONT PAR CE FAIT PLUS RICHE ET PLU REPRESENTATIVES. LES OUTILS ET LA DEMARCHE DEVELOPPES DANS CE TRAVAIL SE TOURNENT RESOLEMENT VERS UNE APPROCHE DE C. A. O. (CONCEPTION ASSISTEE PAR ORDINATEUR) UTILISABLE POUR ETUDIER DE NOMBREUX SYSTEMES INDUSTRIELS COMPLEXES.
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
