Nous avons adapté les modèles classiques de perceptrons multi-couches à des problèmes d'interprétation de signaux. D'une part, nous avons utilisé une version récurrente de ces modèles pour la localisation de sources acoustiques dans le cas de traitement de signaux sonar ( cf. § 4.8). Ce travail a été comparé avec succès aux modèles classiques de formation de voies tant sur le plan de la performance que de la robustesse. Toujours dans ce même domaine du signal sonar, nous testons également les réseaux à retard (TDNN) pour la classification de signaux ( cf. § 4.9).
D'autre part, ces mêmes modèles multi-couches sont utilisés pour la reconnaissance de signaux radars ( cf. § 4.5). Ayant dépassé les meilleurs scores des classifieurs bayésiens dans ce domaine, nous tentons actuellement de mieux comprendre le comportement du réseau en l'interprétant sous un angle statistique et en analysant le fonctionnement de ses couches cachées.