ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne

APPEL À
CONTRIBUTION

Le comité de rédaction du JESA lance un appel à proposition de numéros spéciaux.

En savoir plus >>
Autres revues >>

Journal Européen des Systèmes Automatisés

1269-6935
Revues des Systèmes
 

 ARTICLE VOL 37/3 - 2003  - pp.311-332  - doi:10.3166/jesa.37.311-332
TITRE
Synthèse de la fonction de classification d'un système de diagnostic industriel

RÉSUMÉ
Le but de cet article est de présenter un classifieur basé sur un système d inférences floues, la prise de décision finale est réalisée à l aide d un seuillage. Pour ce classifieur, nous proposons une méthode de paramétrage non nécessairement fondée sur un apprentissage itératif. Cette première approche peut être vue comme un préparamétrage du classifieur, elle permet de construire la base de règles et d initier les paramètres des fonctions d appartenance. Nous proposons également, pour ce classifieur, un algorithme d apprentissage itératif fondé sur une méthode de gradient. Nous présentons enfin, un exemple d application utilisant la base d apprentissage IRIS, qui est un benchmark pour les problèmes de classification. Cet exemple nous permettra de comparer les performances de notre classifieur par rapport aux travaux d autres auteurs. Dans le cas où une base de données n est pas disponible pour réaliser l apprentissage, nous proposons une approche générale permettant l extraction d une base de règles pour le diagnostic à partir de l ensemble des connaissances relatives à l installation considérée.

ABSTRACT
The aim of this paper is to present a classifier based on a fuzzy inference system. For this classifier, we propose a parameterization method which is not necessarily based on an iterative training. This approach can be seen as a pre-parameterization which allows the determination of the rules base and the parameters of the membership functions. We also present for this classifier an iterative learning algorithm based on a gradient method. An example using the learning basis IRIS, which is a benchmark for classification problems, is presented showing the performances of this classifier. However in many cases the total knowledge necessary to the synthesis of the fuzzy diagnosis system is not, in general, directly available. It must be extracted from an often considerable mass of information. For this reason, a general methodology for the design of a fuzzy diagnosis system is presented and illustrated on a non-linear plant.

AUTEUR(S)
R. TOSCANO, P. LYONNET

MOTS-CLÉS
diagnostic, classifieur flou, apprentissage, acquisition de connaissances.

KEYWORDS
Diagnosis, Fuzzy Classification, Learning, Knowledge Acquisition.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (230 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier