Search

National audience; Cet article aborde le problème de la classification des données temporelles en utilisant un mélange dynamique de lois gaussiennes dont les moyennes sont considérées comme des variables latentes qui évoluent suivant des marches aléatoires.

National audience

Jury : G. Delaunay, G. Dreyfus (rapporteurs), B. Dubuisson (président), P. Aknin, J. Deprez, D. Placko (examinateurs), J.P. Perrin (invité); The work presented in this report deals with a device for the rail head defect detection and recognition. In the first section, a non contact eddy current inspection system dedicated to rail head non destructive testing in the exploitation situation is presented. The main conception options (differential measurement, bi-frequency, shielding...) are described and validated by in-situ experimental tests. A list of defect classes has been established and a representative data base has been also constituted to elaborate the processing system. The first part of the defect recognition process concerns the representation mode of sensor output signals. The main properties required for the parametrization are a great descriptive potential as well as a strong insensitivity to problem invariants (as play-back operation, scale factor, lift-off). An original parametrization procedure referred to as "Modified Fourier Descriptors" has been elaboreted and compared to parametrization of an autoregressive type. A parameter selection must then be carried out in order to maintain only the parameters relevant to class separability. For the parameter classification, the orthogonalization method and the sequential backward and forward procedures are compared. In order to select a subset of parameters, many stop criterions are also presented. The application of those methods to our data base is illustrated. The last section of this report is devoted to a supervised neuronal classification by means of multilayer perceptron and radial basis function. For these two types of networks, both global and partitioned approachs are exposed. In the first case, the muliclass problem is solved simultaneously while in the partial case, the problem of classification is subdivised into subproblems. The classification performance are given for the two approaches and it will be shown that the partitionning results are better and bear more relevance to our application in correspondance with a small learning dataset size.; Le travail présenté dans ce mémoire traite d'un dispositif embarqué de détection et de reconnaissance des défauts de rail débouchants. Une structure multicapteur à courants de Foucault permettant le contrôle non destructif de l'intégrité des rails en voie, sans contact et en condition d'exploitation commerciale est détaillée dans le premier chapitre. Les principales options de conception (mesures différentielles, bi-fréquences, blindages...) y sont décrites, et validées a posteriori par des essais sur site dans des conditions de mesure réelles. Une liste des classes de défauts détectables par le capteur a été établie (fissures, écaillages...) ainsi qu'une base de données représentative du site pour la mise au point des traitements haut niveau. La première phase des traitements concerne le mode de représentation des signaux complexes issus du capteur. Cette paramétrisation doit posséder un fort potentiel descriptif tout en restant insensible à certaines opérations sur les signaux définies comme des invariants du problème (retournement, homothéties, lift-off). Une procédure originale de paramétrisation des signatures dénommée "Descripteurs de Fourier Modifiés", a été mise au point et comparée à des paramétrisations de type autorégressive. Sur l'ensemble des paramètres d'une signature, une sélection doit ensuite être effectuée en termes de pertinence à la discrimination entre classes. Une méthode d'ordonnancement par orthogonalisation et des méthodes séquentielles constructive et destructive pour le classement des paramètres sont comparées. Différents critères d'arrêt permettent de choisir le nombre réduit de paramètres retenus; des résultats de mise en oeuvre sur la base de données de ces différentes méthodes sont présentés. Le dernier chapitre de ce mémoire traite de la classification neuronale supervisée à l'aide de réseaux de type perceptron multicouche ou de réseaux à fonctions radiales de base. Pour ces deux types de réseaux, des approches globales de classification (discrimination des K classes simultanément) et des approches par partition (problème de classification initial décomposé en sous-problèmes de classification) sont exposées. Des performances de classification sont données pour les deux approches et nous montrons la supériorité de l'approche par partition dans notre application en relation avec la faible dimension de la base de données.

Jury : G. Delaunay, G. Dreyfus (rapporteurs), B. Dubuisson (président), P. Aknin, J. Deprez, D. Placko (examinateurs), J.P. Perrin (invité); The work presented in this report deals with a device for the rail head defect detection and recognition. In the first section, a non contact eddy current inspection system dedicated to rail head non destructive testing in the exploitation situation is presented. The main conception options (differential measurement, bi-frequency, shielding...) are described and validated by in-situ experimental tests. A list of defect classes has been established and a representative data base has been also constituted to elaborate the processing system. The first part of the defect recognition process concerns the representation mode of sensor output signals. The main properties required for the parametrization are a great descriptive potential as well as a strong insensitivity to problem invariants (as play-back operation, scale factor, lift-off). An original parametrization procedure referred to as "Modified Fourier Descriptors" has been elaboreted and compared to parametrization of an autoregressive type. A parameter selection must then be carried out in order to maintain only the parameters relevant to class separability. For the parameter classification, the orthogonalization method and the sequential backward and forward procedures are compared. In order to select a subset of parameters, many stop criterions are also presented. The application of those methods to our data base is illustrated. The last section of this report is devoted to a supervised neuronal classification by means of multilayer perceptron and radial basis function. For these two types of networks, both global and partitioned approachs are exposed. In the first case, the muliclass problem is solved simultaneously while in the partial case, the problem of classification is subdivised into subproblems. The classification performance are given for the two approaches and it will be shown that the partitionning results are better and bear more relevance to our application in correspondance with a small learning dataset size.; Le travail présenté dans ce mémoire traite d'un dispositif embarqué de détection et de reconnaissance des défauts de rail débouchants. Une structure multicapteur à courants de Foucault permettant le contrôle non destructif de l'intégrité des rails en voie, sans contact et en condition d'exploitation commerciale est détaillée dans le premier chapitre. Les principales options de conception (mesures différentielles, bi-fréquences, blindages...) y sont décrites, et validées a posteriori par des essais sur site dans des conditions de mesure réelles. Une liste des classes de défauts détectables par le capteur a été établie (fissures, écaillages...) ainsi qu'une base de données représentative du site pour la mise au point des traitements haut niveau. La première phase des traitements concerne le mode de représentation des signaux complexes issus du capteur. Cette paramétrisation doit posséder un fort potentiel descriptif tout en restant insensible à certaines opérations sur les signaux définies comme des invariants du problème (retournement, homothéties, lift-off). Une procédure originale de paramétrisation des signatures dénommée "Descripteurs de Fourier Modifiés", a été mise au point et comparée à des paramétrisations de type autorégressive. Sur l'ensemble des paramètres d'une signature, une sélection doit ensuite être effectuée en termes de pertinence à la discrimination entre classes. Une méthode d'ordonnancement par orthogonalisation et des méthodes séquentielles constructive et destructive pour le classement des paramètres sont comparées. Différents critères d'arrêt permettent de choisir le nombre réduit de paramètres retenus; des résultats de mise en oeuvre sur la base de données de ces différentes méthodes sont présentés. Le dernier chapitre de ce mémoire traite de la classification neuronale supervisée à l'aide de réseaux de type perceptron multicouche ou de réseaux à fonctions radiales de base. Pour ces deux types de réseaux, des approches globales de classification (discrimination des K classes simultanément) et des approches par partition (problème de classification initial décomposé en sous-problèmes de classification) sont exposées. Des performances de classification sont données pour les deux approches et nous montrons la supériorité de l'approche par partition dans notre application en relation avec la faible dimension de la base de données.