paprika.idref.fr paprika.idref.fr data.idref.fr data.idref.fr Documentation Documentation
Identifiant pérenne de la notice : 226348326Copier cet identifiant (PPN)
Notice de type Notice de regroupement

Point d'accès autorisé

Diagnostic de systèmes complexes en contextes non supervisé et partiellement supervisé, application au circuit de voie ferroviaire

Variantes de point d'accès

Complex system diagnosis in unsupervised and partially supervised contexts, application to railway track circuit
[Notice de regroupement]
Complex system diagnosis in unsupervised and partially supervised contexts. Application to railway track circuit
[Notice de regroupement]

Information

Langue d'expression : français
Date de parution :  2011

Notes

Note publique d'information : 
Ce travail de thèse présente l'élaboration de méthodes de diagnostic pour un système complexe de l'infrastructure ferroviaire, le circuit de voie. La tâche de diagnostic porte sur l'estimation de variables latentes, lie��es aux défauts, à partir de variables observées, extraites de signaux d'inspection et les solutions proposées s'appuient sur une approche générative permettant de modéliser les liens et relations entre ces variables. Dans la première partie de ces travaux, des méthodes non supervisées ont été envisagées pour le diagnostic. Les approches développées dans ce contexte ont montré l'intérêt de prendre en compte certaines informations a priori sur la structure du modèle ou sur l'aspect temporel de données prélevées séquentiellement. La seconde partie de cette thèse porte sur le diagnostic du système dans un cadre partiellement supervisé et consistait à utiliser des données réelles étiquetées de manière imprécise et incertaine par plusieurs experts lors de l'apprentissage. L'approche proposée repose sur l'utilisation de la théorie des fonctions de croyance pour modéliser et combiner les différents avis avant de les intégrer au modèle statistique proposé. Les résultats obtenus ont permis de montrer l'intérêt d'une telle démarche pour le diagnostic.

Note publique d'information : 
This thesis aims to develop diagnosis tools for a complex railway infrastructure system, namely the track circuit. The diagnosis task is based on the estimation of latent variables linked to the system component defects from observed variables extracted from inspection signals. The proposed solutions are based on a generative approach which allows to model the relationships between these variables. In the Frst part, unsupervised methods are considered for the diagnosis. The models developed in this context have shown the interest of taking into account some prior information regarding the model structure or the temporal aspect of the collected data. The second part of this thesis focuses on the diagnosis of the system in a partially supervised context. In this part, real data partially labelled by several experts are available. The adopted approach is then based on the theory of belief functions to represent and fuse the dfferent opinions intended to be used during the learning phase. The obtained results demonstrate the interest of this proposition for the diagnosis task.


Notices d'autorité liées

... Références liées : ...