08/12/2022 - 10H00 - Polytech Nancy (Amphithéatre Émilie du Châtelet)

"Théorie de l'apprentissage et identification des systèmes dynamiques hybrides"
(Thèse Louis MASSUCCI)

Résumé :
Cette thèse porte sur l'application de la théorie statistique de l'apprentissage pour l'identification de systèmes dynamiques hybrides. La théorie de l'apprentissage permet d'obtenir des garanties statistiques sur la précision de modèles et ce pour un nombre de données fini. Ici, en étendant son cadre d'application à celui des systèmes dynamiques, on propose de nouvelles so- lutions pour l'identification des systèmes hybrides. En effet une nouvelle borne sur l'erreur de généralisation valide pour l'identification des systèmes à commutation arbitraire est obtenue, et son utilisation donne lieu à une nouvelle méthode de sélection de modèle pour l'estimation du nombre de sous-modèles des systèmes hybrides. La borne est adaptée pour différents scénarios de régularisation, et de nouveaux algorithmes d'optimisation prenant en compte ces différents scénarios sont proposés. Cette nouvelle méthode d'estimation du nombre de modes est confrontée à d'autres méthodes existantes, et les avantages et inconvénients de chacune de ces méthodes sont étudiés. 

Jury :
- Rapporteurs : Massih-Reza AMINI Professeur, Université de Grenoble Alpes
Laurent Bako Maître de conférence HDR, Université de Lyon
- Autres membres : Marianne Clausel Professeure, Université de Lorraine, Examinateur.
Mihaly Petreczky Chargé de recherche, CNRS, Examinateur. 
Marion GILSON Professeure, Université de Lorraine, Directeur de thèse. 
Fabien LAUER Maître de conférence HDR, Université de Lorraine, Directeur de thèse.