Prêtable
| Titre : | Apprentissage connexionniste |
| Auteurs : | Younès Bennani |
| Type de document : | texte imprimé |
| Editeur : | Paris [France] : Lavoisier, 2006 |
| Collection : | Informatique et systèmes d'information |
| ISBN/ISSN/EAN : | 978-2-7462-1337-1 |
| Format : | 361 p. / ill.; couv. en coul. / 24 cm. |
| Langues: | Français |
| Langues originales: | Français |
| Index. décimale : | 006.32 (Réseaux neuronaux (apprentissage relationnel, ordinateurs neuronaux, perceptrons)) |
| Catégories : | |
| Mots-clés: | Perceptron multicouche ; Réseaux récurrent ; Réseaux dictionnaires ; Carte auto-organisatrices ; Systèmes apprentissage connexionnistes |
| Résumé : |
L'apprentissage connexionniste est une discipline scientifique qui recouvre plusieurs aspects d'études mathématiques, statistiques et algorithmiques. Les systèmes d'apprentissage connexionnistes (ou réseaux de neurones artificiels) sont des systèmes numériques permettant la modélisation de processus généraux par l'établissement de modèles fonctionnels. Ceux-ci sont identifiés à partir des observations du processus par des algorithmes dits "d'apprentissage" qui s'apparentent à des techniques d'estimation statistiques.
Nés en informatique dans le domaine de l'intelligence artificielle, ils ont connu depuis le début des années 80 un développement intensif dû au succès rencontré dans une très large gamme d'applications. Les réseaux connexionnistes offrent une panoplie de techniques adaptatives pour de nombreux problèmes génériques : la classification, le classement, la modélisation, la prévision. Les applications de ces techniques sont très stratégiques, notamment pour la fouille de données et la reconnaissance des formes. Cet ouvrage présente les fondements théoriques et algorithmiques de l'apprentissage connexionniste. Il s'adresse aux étudiants, élèves-ingénieurs, enseignants, chercheurs, ingénieurs et industriel en informatique et mathématiques appliquées. |
| Note de contenu : |
Sommaire :
Chapitre 1: Séparateurs connexionnistes linéaires : perceptron et adaline Chapitre 2: Perceptron multicouche Chapitre 3: Les réseaux récurrents Chapitre 4: Réseaux à fonctions de base radiales Chapitre 5: Réseaux à dictionnaires: leérning vector quantization Chapitre 6: Cartes auto-organisatrices de Kohonen Chapitre 7: Cartes auto-organisatrices temporelles Chapitre 8: Théorie de la résonance adaptative (Adaptive resonance theory) Chapitre 9: Techniques d"élagage et sélection de variables Chapitre 10: Estimation et contrôle des performances en généralisation des réseaux de neurones Chapitre 11: Outils de simulation des réseaux connexionnistes |
Exemplaires (3)
| Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|
| F8/2661 | Livre | Bibliothèque de la Faculté de Technologie | Salle des livres | Disponible |
| F8/2662 | Livre | Bibliothèque de la Faculté de Technologie | Salle des livres | Disponible |
| F8/2663 | Livre | Bibliothèque de la Faculté de Technologie | Salle des livres | Disponible |
