Techniques d'apprentissage non-linéaires en ligne avec contraintes de positivité

Cet article decrit une nouvelle classe d'algorithmes d'apprentissage non-lineaires en ligne avec contrainte de positivite sur la solution. Ceux-ci sont appliques au probleme d'identification distribuee d'un champ scalaire positif, par exemple de rayonnement thermique ou de concentration d'une espece chimique, par un reseau de capteurs. La question du suivi de l'evolution de la grandeur physique surveillee au cours du temps est egalement consideree. Les algorithmes proposes sont testes sur des donnees synthetiques regies par des equations de diffusion. Ils demontrent une excellente capacite de suivi des evolutions du systeme, tout en affichant un cout calculatoire reduit.