Les réseaux de Petri stochastiques sont des outils performants pour modéliser les processus industriels ainsi que les défauts et reprises qui les affectent. Dans cette thèse on s''intéresse à l''identification de la structure et des paramètres des réseaux de Petri stochastiques et stochastiques-déterministes (incluant des durées de franchissement exponentielles et constantes) à partir des séquences d''événements datés et enregistrés par les systèmes de supervision. Un algorithme d''apprentissage supervisé est développé pour construire la structure du modèle. Cet algorithme est basé sur la rétro-propagation d''une erreur associée à la causalité des événements. Ensuite, une méthode d''identification des paramètres est proposée. Cette méthode réalise une analyse statistique du contenu de la séquence et exploite un modèle de Markov isomorphe au graphe d''atteignabilité du réseau de Petri. Enfin, les modèles construits sont utilisés pour des études de fiabilité ainsi que pour détecter et localiser les défauts.
Il n'y a pas encore de discussion sur ce livre
Soyez le premier à en lancer une !
Dans ce recueil de 13 nouvelles, la jeune autrice mexicaine frappe fort mais juste
Une fiction historique glaçante et inoubliable, aux confins de l’Antarctique
Découvrez les derniers trésors littéraires de l'année !
"On n'est pas dans le futurisme, mais dans un drame bourgeois ou un thriller atmosphérique"
