Prêtable
| Titre : | Apprentissage statistique : Réseaux de neurones . cartes topologiques machines à vecteurs supperts |
| Auteurs : | Gérard Dreyfus ; Jean-Marc Martinez ; Manuel Samuelides ; Mirta-B. Gordon ; Fouad Badran |
| Type de document : | texte imprimé |
| Editeur : | Paris [France] : Editions Eyrolles, 2008 |
| Collection : | Algorithmes |
| ISBN/ISSN/EAN : | 978-2-212-12229-9 |
| Format : | XVI-449 p. / ill.; couv en coul. / 24 cm. |
| Accompagnement : | CD-ROM |
| Langues: | Français |
| Langues originales: | Français |
| Index. décimale : | 006.32 (Réseaux neuronaux (apprentissage relationnel, ordinateurs neuronaux, perceptrons)) |
| Catégories : | |
| Mots-clés: | Réseaux neurones ; Apprentissage statistique |
| Résumé : |
L'apprentissage statistique permet la mise au point de modèles de données et de processus lorsque la formalisation de règles explicites serait impossible : reconnaissance de formes ou de signaux, prévision, fouille de données, prise de décision en environnement complexe et évolutif. Ses applications sont multiples dans le monde de la production industrielle (aide à la conception de produits, maintenance préventive, développement de capteurs virtuels, robotique, planification d'expériences...), dans le domaine de la biologie et de la santé (aide à la découverte de médicaments, aide au diagnostic, bio-informatique...), en télécommunications, en marketing et finance, et dans bien d'autres domaines.
Sans omettre de rappeler les fondements théoriques de l'apprentissage statistique, cet ouvrage offre de solides bases méthodologiques à tout ingénieur ou chercheur soucieux d'exploiter ses données. Il en présente les algorithmes les plus couramment utilisés - réseaux de neurones, cartes topologiques, machines à vecteurs supports, modèles de Markov cachés - à l'aide d'exemples et d'études de cas industriels, financiers ou bancaires. Cet ouvrage est la mise à jour du livre "Réseaux de neurones - Méthodologie et applications". ? qui s'adresse ce livre ? Aux ingénieurs, chercheurs et décideurs ayant à résoudre des problèmes de modélisation, de reconnaissance, de prévision, de commande, etc. Aux étudiants et élèves ingénieurs des disciplines scientifiques et économiques, et à leurs enseignants. Sur le CD-Rom offert avec ce livre Cinq exemples de modèles avec données et codes source. Version d'évaluation (6 semaines) de Neuro One 6.10.7 pour Windows NT4, 2000, 2003 et XP : un outil dédié convivial pour la création de modèles de réseaux de neurones. Un compilateur C pour MS-Windows. Bibliothèque non linéaire MonaEx70.dll, niveau 0. Configuration minimale requise : PC avec processeur Pentium 2 (ou équivalent) - MS-Windows 98/NT, 2000 ou XP - Fréquence supérieure à 100 MHz - 25 Mo d'espace disque disponible - 64 Mo de RAM. |
| Note de contenu : |
Sommaire :
Chapitre 1: L'apprentissage statistique : pourquoi, comment? Chapitre 2: Les réseaux de neurones Chapitre 3: Compléments de méthodologie pour la modélisation : réduction de dimension et ré-échantillonnage Chapitre 4: Identification " neuronale" de systèmes dynamiques commandés et réseaux bouclés (Récurrents) Chapitre 5: Apprentissage d'une commande en boucle fermée Chapitre 6: La discrimination Chapitre 7: Cartes auto-organisatrices et classification automatique |
| En ligne : | https://www.calameo.com/read/0053223626d78447f1a66 |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|
| F8/4815 | Livre | Bibliothèque de la Faculté de Technologie | Salle des livres | Disponible |
