Search

Ce mémoire de thèse s'attache aux problèmes d'équilibrage de charge sur les réseaux dynamiques. Un réseau dynamique est un réseau sur lequel certains liens de communication peuvent être perdus ou surchargés. Dans un premier temps, nous introduisons un nouvel algorithme d'équilibrage de charge, puis nous présentons, l'adaptation aux réseaux dynamiques desalgorithmes de premier ordre. Dans un second temps nous nous intéressons aux algorithmes de second ordre. Pour ces derniers, nous définissons une nouvelle contrainte qui garantit la positivité de la charge car la charge d'un système ne peut pas être négative. Suite à cette définition, nous donnons l'adaptation de ces algorithmes aux réseaux dynamiques. Nous illustrons le comportement des deux types d'algorithmes présentés - premier et second ordre - par différentes simulations qui mettent en évidence l'impact du dynamisme du réseau sur leur évolution. Ces simulations nous montrent que les algorithmes de second ordre sont nettement plus sensibles que ceux de premier ordre. Pour finir ce mémoire, une mise en pratique d'un algorithme d'équilibrage de charge sur un problème concret - la résolution d'une équation différentielle partielle - détaille les différentes étapes nécessaires au déploiement d'un algorithme d'équilibrage de charge.

Ce chapitre étudie les capacités de généralisation d’une bibliothèque de réseaux de neurones convolutifs pour la classification d’états de surface terrestre dans le temps, avec une granularité variable sur la nature des états. L’ensemble de données utilisé pour réaliser cette étude est constitué d'images à sémantique descriptible au sens de propriétés géophysiques et des impacts des conditions météorologiques en zone de glaciers. Mots-clés : mesures de performances, apprentissage profond, apprentissage par transfert, réseaux de neurones convolutifs, changements d’états de surface. DOI : 10.51926/ISTE.9057.ch6