THÈSE / IMT Atlantique sous le sceau de l’Université Bretagne Loire pour obteni

THÈSE / IMT Atlantique sous le sceau de l’Université Bretagne Loire pour obtenir le grade de DOCTEUR D'IMT Atlantique Mention : Informatique École Doctorale Matisse Présentée par Serge Romaric Tembo Mouafo Préparée dans le département Informatique Laboratoire Irisa Applications de l'intelligence artificielle à la détection et l'isolation de pannes multiples dans un réseau de télécommunications Thèse soutenue le 23 janvier 2017 devant le jury composé de :          Professeur, Esir - Université de Rennes 1 / président        Professeur, Télécom SudParis / rapporteur         Chargé de recherche (HDR), LAAS-CNRS - Toulouse / rapporteur         Directeur de recherche, Irisa - Rennes / examinateur                Professeur, Université de la Rochelle / examinateur Sandrine Vaton Professeur, IMT Atlantique / directrice de thèse Jean-Luc Courant Ingénieur, Orange Labs - Lannion / invité Stéphane Gosselin Ingénieur, Orange Labs - Lannion / invité Table des matières 1 Introduction 5 1.1 Énoncé du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.2 Contribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.3 Structure de la dissertation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2 État de l’art dans le domaine du diagnostic des réseaux de télécommunication 11 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.2 Système expert à base de règles . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.3 Système expert à base de modèles . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.4 Le diagnostic comme système d’apprentissage artificiel . . . . . . . . . . . . 21 2.5 Réseau de Petri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.6 Graphe de dépendances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.7 Réseaux bayésiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 2.8 Discussions et conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3 Algorithmes d’inférence exacte sur un réseau bayésien 44 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 3.2 Quelques bases en théorie des probabilités . . . . . . . . . . . . . . . . . . . . 45 3.3 Opération de marginalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.4 Algorithme de somme-produit . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 3.5 Algorithme d’inférence sur un arbre de jonction . . . . . . . . . . . . . . . . . 57 3.6 Discussion et conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 4 Apprentissage artificiel des paramètres d’un réseau bayésien 64 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 4.2 Estimation paramétrique au sens du Maximum de vraisemblance (MLE) . . 65 4.3 L’algorithme MLE avec des données incomplètes . . . . . . . . . . . . . . . . 68 4.4 L’algorithme EM sur un réseau bayésien . . . . . . . . . . . . . . . . . . . . . 71 4.5 Discussion et conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 5 Modèle générique pour le diagnostic automatique d’un réseau de télécommuni- cation 79 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 5.2 Propagation de pannes dans un réseau . . . . . . . . . . . . . . . . . . . . . . 80 5.3 Description du modèle générique . . . . . . . . . . . . . . . . . . . . . . . . . 81 5.4 Formalisme du modèle générique . . . . . . . . . . . . . . . . . . . . . . . . . 85 5.5 Calcul de diagnostic du modèle générique . . . . . . . . . . . . . . . . . . . . 86 5.6 Capacité de reconfiguration du modèle générique . . . . . . . . . . . . . . . 87 5.7 Conclusion et perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 1 6 Modélisation probabiliste du réseau FTTH (Fiber To The Home) de type GPON (Gigabit Passive Optical Network) 93 6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 6.2 Modèle du réseau GPON-FTTH . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 6.3 Paramètres experts du modèle initial d’un PON . . . . . . . . . . . . . . . . . 100 6.4 Validation du modèle initial d’un PON . . . . . . . . . . . . . . . . . . . . . . 104 6.5 Comparaison entre système expert et modèle probabiliste de diagnostic . . 113 6.6 Discussion et conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 7 Ajustement automatique des paramètres du modèle GPON-FTTH : application de l’algorithme EM 118 7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 7.2 Contexte applicatif de l’algorithme EM . . . . . . . . . . . . . . . . . . . . . . 119 7.3 L’EM avec les données réelles d’apprentissage . . . . . . . . . . . . . . . . . . 120 7.4 Valeur ajoutée de l’EM pour le diagnostic du réseau d’accès GPON-FTTH . . 123 uploads/Ingenierie_Lourd/ dsi-diagnostic-reseau-de-telecommunication.pdf

Tags
Ingénierie réseau modèle diagnostic entre pannes
Documents similaires
  • 125
  • 0
  • 0
Afficher les détails des licences
Licence et utilisation
Gratuit pour un usage personnel Attribution requise
Partager