A partir de cette page vous pouvez :
author
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Gérard Dreyfus |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesApprentissage statistique / Gérard Dreyfus (DL 2008)
Titre : Apprentissage statistique : réseaux de neurones. cartes topologiques. machines à vecteurs supports Type de document : texte imprime Auteurs : Gérard Dreyfus, Directeur de publication, rédacteur en chef ; Martinez,J.-M., Auteur ; Samuelides,M., Auteur Mention d'édition : 3e éd. mise à jour et avec nouveau titre Editeur : Paris : Eyrolles Année de publication : DL 2008 Collection : Algorithmes Importance : (XVI-449 p.) Présentation : ill., couv. en coul. Format : 23 cm Accompagnement : 1 disque optique numérique (CD-ROM), 12 cm ISBN/ISSN/EAN : 978-2-212-12229-9 Note générale : Précédemment paru sous le titre : "Réseaux de neurones : méthodologie et applications". - La couv. porte en plus : "Réseaux de neurones, cartes topologiques, machines à vecteurs supports", "prévision, data mining, bio-ingénierie, reconnaissance de formes, robotique et commande de processus", "cinq exemples de modèles, avec données et code source, neuro One 6.10.7* outil de création de modèles neuronaux, compilateur C pour Windows, Bibliothèque non linéaire MonaEx70.dll niveau 0". - Logiciel d'application
Annexes :
Configuration requise :
Configuration requise : PC Pentium 2 ou (équivalent) 100 Mhz ; 64 Mo de mémoire vive ; MS-Windows 98/NT, 2000, XP ; 25 Mo d'espace disque disponible
Bibliogr. en fin de chapitres. Bibliogr. p. [427]-430. IndexLangues : Français Catégories : Réseaux Informatiques Mots-clés : Réseaux neuronaux (informatique) Statistique mathématique Machines à vecteurs de support Index. décimale : 006.32 Réseaux neuronaux(Informatiques) 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".
À 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.
Note de contenu :
Avant-propos et guide de lecture
L'apprentissage statistique : pourquoi, comment ?
Les réseaux de neurones
Compléments de méthodologie pour la modélisation : réduction de dimension et ré-échantillonnage
Identification "neuronale" de systèmes dynamiques commandés et réseaux bouclés (récurrents)
Apprentissage d'une commande en boucle fermée
La discrimination
Cartes auto-organisatrices et classification automatique
Bibliographie commentée
En ligne : https://www.amazon.fr/Apprentissage-statistique-neurones-topologiques-Machines/d [...] Permalink : ./index.php?lvl=notice_display&id=10508 Apprentissage statistique : réseaux de neurones. cartes topologiques. machines à vecteurs supports [texte imprime] / Gérard Dreyfus, Directeur de publication, rédacteur en chef ; Martinez,J.-M., Auteur ; Samuelides,M., Auteur . - 3e éd. mise à jour et avec nouveau titre . - Paris : Eyrolles, DL 2008 . - (XVI-449 p.) : ill., couv. en coul. ; 23 cm + 1 disque optique numérique (CD-ROM), 12 cm. - (Algorithmes) .
ISBN : 978-2-212-12229-9
Précédemment paru sous le titre : "Réseaux de neurones : méthodologie et applications". - La couv. porte en plus : "Réseaux de neurones, cartes topologiques, machines à vecteurs supports", "prévision, data mining, bio-ingénierie, reconnaissance de formes, robotique et commande de processus", "cinq exemples de modèles, avec données et code source, neuro One 6.10.7* outil de création de modèles neuronaux, compilateur C pour Windows, Bibliothèque non linéaire MonaEx70.dll niveau 0". - Logiciel d'application
Annexes :
Configuration requise :
Configuration requise : PC Pentium 2 ou (équivalent) 100 Mhz ; 64 Mo de mémoire vive ; MS-Windows 98/NT, 2000, XP ; 25 Mo d'espace disque disponible
Bibliogr. en fin de chapitres. Bibliogr. p. [427]-430. Index
Langues : Français
Catégories : Réseaux Informatiques Mots-clés : Réseaux neuronaux (informatique) Statistique mathématique Machines à vecteurs de support Index. décimale : 006.32 Réseaux neuronaux(Informatiques) 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".
À 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.
Note de contenu :
Avant-propos et guide de lecture
L'apprentissage statistique : pourquoi, comment ?
Les réseaux de neurones
Compléments de méthodologie pour la modélisation : réduction de dimension et ré-échantillonnage
Identification "neuronale" de systèmes dynamiques commandés et réseaux bouclés (récurrents)
Apprentissage d'une commande en boucle fermée
La discrimination
Cartes auto-organisatrices et classification automatique
Bibliographie commentée
En ligne : https://www.amazon.fr/Apprentissage-statistique-neurones-topologiques-Machines/d [...] Permalink : ./index.php?lvl=notice_display&id=10508 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité C21/1 C21 Livre Magasin d'Ouvrages / FGE Commandes Consultation sur place
Exclu du prêtC21/2 C21 Livre Magasin d'Ouvrages / FGE Commandes Disponible C21/3 C21 Livre Magasin d'Ouvrages / FGE Commandes Disponible C21/4 C21 Livre Magasin d'Ouvrages / FGE Commandes Disponible C21/5 C21 Livre Magasin d'Ouvrages / FGE Commandes Disponible C21/6 C21 Livre Magasin d'Ouvrages / FGE Commandes Disponible C21/7 C21 Livre Magasin d'Ouvrages / FGE Commandes Disponible C21/8 C21 Livre Magasin d'Ouvrages / FGE Commandes Disponible Les abonnés qui ont emprunté ce document ont également emprunté :
Manuel de génie électrique Beugniez, Michel Merise et UML pour la modélisation des systèmes d'information Gabay, Joseph Le Fonctionnement des microprosseurs Gilmore, CH.M. Régulation automatique Maret, Louis Cours et problèmes d'électronique analogique [Texte imprimé] Lebègue, Alain Le Microprocesseur 16 bits 8086-8088 Fontaine, Alain-Bernard Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Réseaux de neurones : méthodologie et applications Type de document : texte imprime Auteurs : Gérard Dreyfus ; J-M.Martinez Editeur : Paris : Eyrolles Année de publication : 2004 Importance : (XVIII-417 p.) Présentation : ill. Format : 23 cm Accompagnement : 1 disque optique numérique (CD-Rom) ISBN/ISSN/EAN : 978-2-212-11464-5 Note générale : Notes :
La couv. porte en plus: "Prévision, data mining, bio-ingénierie, reconnaissance de formes, robotique et commande de processus"
Bibliogr. en fin de chapitres et p. [395]-398. Index.Langues : Français Mots-clés : Réseaux Procédes industriels Modélisation Statistiques Commande Systèmes dynamiques Filtrage Algorithmes Résumé :
Les réseaux de neurones constituent aujourd'hui une technique de traitement de données bien comprise et maîtrisée, qui devrait faire partie de la boîte à outils de tout ingénieur soucieux de tirer le maximum d'informations pertinentes des données dont il dispose : effectuer des prévisions, de la fouille de données, élaborer des modèles, reconnaître des formes ou des signaux, etc.
Joignant fondements théoriques et applications pratiques dans un langage accessible, cet ouvrage permettra aux décideurs, aux ingénieurs et aux chercheurs de bénéficier de méthodologies claires pour mettre en œuvre les réseaux de neurones dans des applications industrielles, financières ou bancaires, dont de nombreux exemples sont présentés. Cette deuxième édition mise à jour et enrichie des derniers développements dans le domaine est accompagnée d'un CD-Rom contenant des d'exemples de modèles en C avec leurs données et d'un outil d'apprentissage dédié, Neuro One (version d'évaluation).Note de contenu :
•Les réseaux de neurones : pourquoi et pour quoi faire ?
•Modélisation à partir de réseaux de neurones : principes et méthodologie de conception de modèles
•Compléments pour la modélisation : réduction de dimension et ré-échantillonnage
•Identification "neuronale" de systèmes dynamiques commandés et réseaux bouclés (récurrents)
•Apprentissage d'une commande en boucle fermée
•La discrimination
•Cartes auto-organisatrices et classification automatique
•Réseaux de neurones sans apprentissage pour l'optimisation
•Outils pour les réseaux de neurones
Permalink : ./index.php?lvl=notice_display&id=10203 Réseaux de neurones : méthodologie et applications [texte imprime] / Gérard Dreyfus ; J-M.Martinez . - Paris : Eyrolles, 2004 . - (XVIII-417 p.) : ill. ; 23 cm + 1 disque optique numérique (CD-Rom).
ISBN : 978-2-212-11464-5
Notes :
La couv. porte en plus: "Prévision, data mining, bio-ingénierie, reconnaissance de formes, robotique et commande de processus"
Bibliogr. en fin de chapitres et p. [395]-398. Index.
Langues : Français
Mots-clés : Réseaux Procédes industriels Modélisation Statistiques Commande Systèmes dynamiques Filtrage Algorithmes Résumé :
Les réseaux de neurones constituent aujourd'hui une technique de traitement de données bien comprise et maîtrisée, qui devrait faire partie de la boîte à outils de tout ingénieur soucieux de tirer le maximum d'informations pertinentes des données dont il dispose : effectuer des prévisions, de la fouille de données, élaborer des modèles, reconnaître des formes ou des signaux, etc.
Joignant fondements théoriques et applications pratiques dans un langage accessible, cet ouvrage permettra aux décideurs, aux ingénieurs et aux chercheurs de bénéficier de méthodologies claires pour mettre en œuvre les réseaux de neurones dans des applications industrielles, financières ou bancaires, dont de nombreux exemples sont présentés. Cette deuxième édition mise à jour et enrichie des derniers développements dans le domaine est accompagnée d'un CD-Rom contenant des d'exemples de modèles en C avec leurs données et d'un outil d'apprentissage dédié, Neuro One (version d'évaluation).Note de contenu :
•Les réseaux de neurones : pourquoi et pour quoi faire ?
•Modélisation à partir de réseaux de neurones : principes et méthodologie de conception de modèles
•Compléments pour la modélisation : réduction de dimension et ré-échantillonnage
•Identification "neuronale" de systèmes dynamiques commandés et réseaux bouclés (récurrents)
•Apprentissage d'une commande en boucle fermée
•La discrimination
•Cartes auto-organisatrices et classification automatique
•Réseaux de neurones sans apprentissage pour l'optimisation
•Outils pour les réseaux de neurones
Permalink : ./index.php?lvl=notice_display&id=10203 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité C125/1 C125 Livre Magasin d'Ouvrages / FGE Commandes Consultation sur place
Exclu du prêtC125/2 C125 Livre Magasin d'Ouvrages / FGE Commandes Disponible C125/3 C125 Livre Magasin d'Ouvrages / FGE Commandes Disponible C125/4 C125 Livre Magasin d'Ouvrages / FGE Commandes Disponible C125/5 C125 Livre Magasin d'Ouvrages / FGE Commandes Disponible C125/6 C125 Livre Magasin d'Ouvrages / FGE Commandes Disponible C125/7 C125 Livre Magasin d'Ouvrages / FGE Commandes Disponible Les abonnés qui ont emprunté ce document ont également emprunté :
Capteurs Baudoin, Fabrice Traitement d'images comme outil de diagnostic du cancer de la peau Fekrache, Dalila Cours fondamental des microprocesseurs Lilen, Henri Électrotechnique Robyns, Benoît Commande des systèmes Landau, Ioan Télévisions du monde Godou, Pierre Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Réseaux de neurones : méthodologie et applications Type de document : texte imprime Auteurs : Gérard Dreyfus ; J.M. Martinez Editeur : Paris : Eyrolles Année de publication : cop. 2002 Collection : Algorithmes (Paris), ISSN 1625-113X Importance : XIV-386p. Présentation : ill.couv.ill. Format : 23cm ISBN/ISSN/EAN : 978-2-212-11019-7 Note générale :
Autre tirage: 2004. - La couv. porte en plus : "Prévision, data mining, bio-ingénierie, reconnaissance de formes, robotique et commande de processus"
Bibliogr. p. [375]-378. IndexLangues : Français Mots-clés : Intelligence artificielle Réseaux neuronaux (informatique) Commande de processus Résumé : Les réseaux de neurones constituent une technique de traitement de données bien comprise et maîtrisée, désormais indispensable dans la boite à outils de tout ingénieur soucieux d'extraire le maximum d'informations pertinentes des données dont il dispose effectuer des prévisions, de la fouille de données, élaborer des modèles, reconnaître des formes ou des signaux, etc.
Joignant fondements théoriques et applications pratiques dans un langage accessible, cet ouvrage a pour but de permettre aux décideurs, aux ingénieurs et aux chercheurs de bénéficier de méthodologies claires pour mettre en oeuvre avec profit les réseaux de neurones dans des applications industrielles, financières ou bancaires, dont de nombreux exemples sont présentés.
Le lecteur désireux d'acquérir des bases solides trouvera, pour chaque chapitre, des compléments théoriques qui lui permettront d'approfondir les concepts, et des compléments algorithmiques destinés à en faciliter l'implantation informatique.
À qui s'adresse ce livre ? Aux ingénieurs, informaticiens, industriels 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. Aux enseignants de ces disciplines à la recherche d'un ouvrage complet et d'études de cas sur les réseaux de neurones.Note de contenu :
Avant-propos
1. Les réseaux de neurones : pourquoi et pour quoi faire ?
- Les réseaux de neurones : définitions et propriétés
- Quand et comment mettre en oeuvre des réseaux de neurones à apprentissage supervisé ?
- Réseaux de neurones à apprentissage supervisé et discrimination (classification)
- Quelques exemples d'applications des réseaux de neurones à divers domaines des sciences de l'ingénieur
- Conclusion
- Compléments théoriques et algorithmiques
- Bibliographie
2. Modélisation à l'aide de réseaux de neurones : principes et méthodologie de conception de modèles
- Qu'est-ce qu'un modèle ?
- Notions élémentaires de statistiques
- Modélisation statique « boîte noire » : généralités
- Sélection des entrées d'un modèle statique boîte noire
- Estimation des paramètres (apprentissage) d'un modèle statique
- Sélection de modèle
- Modélisation dynamique « boîte noire »
- Modélisation dynamique « boîte grise »
- Conclusion : quels outils ?
- Compléments théoriques et algorithmiques
- Bibliographie
3. Compléments de méthodologie pour la modélisation : réduction de dimension et ré-échantillonnage
- Pré-traitements
- Réduction du nombre de composantes
- Analyse en composantes principales
- Analyse en composantes curvilignes
- Le bootstrap et les réseaux de neurones
- Bibliographie
4. Identification « neuronale » de systèmes dynamiques commandés et réseaux bouclés (récurrents)
- Formalisation et exemples de systèmes dynamiques commandés à temps discret
- Identification de systèmes dynamiques commandés par régression
- Identification adaptative (en ligne) et méthode de l'erreur de prédiction récursive
- Filtrage par innovation dans un modèle d'état
- Réseaux neuronaux récurrents ou bouclés
- Apprentissage des réseaux de neurones récurrents ou bouclés
- Compléments algorithmiques et théoriques
- Bibliographie
5. Apprentissage d'une commande en boucle fermée
- Généralités sur la commande en boucle fermée des systèmes non linéaires
- Synthèse d'une commande « neuronale » par inversion du modèle du processus
- Programmation dynamique et commande optimale
- Apprentissage par renforcement et programmation neuro-dynamique
- Bibliographie
6. La discrimination
- Apprentissage de la discrimination
- Séparation linéaire : le perceptron
- Au-delà de la séparation linéaire
- Problèmes à plusieurs classes
- Questions théoriques
- Compléments théoriques
- Bibliographie
7. Cartes auto-organisatrices et classification automatique
- Notations et définitions
- Méthode des k-moyennes
- Carte topologique auto-organisatrice
- Classification et carte topologique
- Applications
- Bibliographie
8. Réseaux de neurones sans apprentissage pour l'optimisation
- Modélisation d'un problème d'optimisation
- Complexité d'un problème d'optimisation
- Approches classiques des problèmes combinatoires
- Introduction aux métaheuristiques
- Les techniques dérivées de la physique statistique
- Les approches neuronales
- La recherche tabou
- Les algorithmes génétiques
- Vers des approches hybrides
- Conclusion
- Bibliographie
Bibliographie commentée
IndexPermalink : ./index.php?lvl=notice_display&id=15211 Réseaux de neurones : méthodologie et applications [texte imprime] / Gérard Dreyfus ; J.M. Martinez . - Paris : Eyrolles, cop. 2002 . - XIV-386p. : ill.couv.ill. ; 23cm. - (Algorithmes (Paris), ISSN 1625-113X) .
ISBN : 978-2-212-11019-7
Autre tirage: 2004. - La couv. porte en plus : "Prévision, data mining, bio-ingénierie, reconnaissance de formes, robotique et commande de processus"
Bibliogr. p. [375]-378. Index
Langues : Français
Mots-clés : Intelligence artificielle Réseaux neuronaux (informatique) Commande de processus Résumé : Les réseaux de neurones constituent une technique de traitement de données bien comprise et maîtrisée, désormais indispensable dans la boite à outils de tout ingénieur soucieux d'extraire le maximum d'informations pertinentes des données dont il dispose effectuer des prévisions, de la fouille de données, élaborer des modèles, reconnaître des formes ou des signaux, etc.
Joignant fondements théoriques et applications pratiques dans un langage accessible, cet ouvrage a pour but de permettre aux décideurs, aux ingénieurs et aux chercheurs de bénéficier de méthodologies claires pour mettre en oeuvre avec profit les réseaux de neurones dans des applications industrielles, financières ou bancaires, dont de nombreux exemples sont présentés.
Le lecteur désireux d'acquérir des bases solides trouvera, pour chaque chapitre, des compléments théoriques qui lui permettront d'approfondir les concepts, et des compléments algorithmiques destinés à en faciliter l'implantation informatique.
À qui s'adresse ce livre ? Aux ingénieurs, informaticiens, industriels 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. Aux enseignants de ces disciplines à la recherche d'un ouvrage complet et d'études de cas sur les réseaux de neurones.Note de contenu :
Avant-propos
1. Les réseaux de neurones : pourquoi et pour quoi faire ?
- Les réseaux de neurones : définitions et propriétés
- Quand et comment mettre en oeuvre des réseaux de neurones à apprentissage supervisé ?
- Réseaux de neurones à apprentissage supervisé et discrimination (classification)
- Quelques exemples d'applications des réseaux de neurones à divers domaines des sciences de l'ingénieur
- Conclusion
- Compléments théoriques et algorithmiques
- Bibliographie
2. Modélisation à l'aide de réseaux de neurones : principes et méthodologie de conception de modèles
- Qu'est-ce qu'un modèle ?
- Notions élémentaires de statistiques
- Modélisation statique « boîte noire » : généralités
- Sélection des entrées d'un modèle statique boîte noire
- Estimation des paramètres (apprentissage) d'un modèle statique
- Sélection de modèle
- Modélisation dynamique « boîte noire »
- Modélisation dynamique « boîte grise »
- Conclusion : quels outils ?
- Compléments théoriques et algorithmiques
- Bibliographie
3. Compléments de méthodologie pour la modélisation : réduction de dimension et ré-échantillonnage
- Pré-traitements
- Réduction du nombre de composantes
- Analyse en composantes principales
- Analyse en composantes curvilignes
- Le bootstrap et les réseaux de neurones
- Bibliographie
4. Identification « neuronale » de systèmes dynamiques commandés et réseaux bouclés (récurrents)
- Formalisation et exemples de systèmes dynamiques commandés à temps discret
- Identification de systèmes dynamiques commandés par régression
- Identification adaptative (en ligne) et méthode de l'erreur de prédiction récursive
- Filtrage par innovation dans un modèle d'état
- Réseaux neuronaux récurrents ou bouclés
- Apprentissage des réseaux de neurones récurrents ou bouclés
- Compléments algorithmiques et théoriques
- Bibliographie
5. Apprentissage d'une commande en boucle fermée
- Généralités sur la commande en boucle fermée des systèmes non linéaires
- Synthèse d'une commande « neuronale » par inversion du modèle du processus
- Programmation dynamique et commande optimale
- Apprentissage par renforcement et programmation neuro-dynamique
- Bibliographie
6. La discrimination
- Apprentissage de la discrimination
- Séparation linéaire : le perceptron
- Au-delà de la séparation linéaire
- Problèmes à plusieurs classes
- Questions théoriques
- Compléments théoriques
- Bibliographie
7. Cartes auto-organisatrices et classification automatique
- Notations et définitions
- Méthode des k-moyennes
- Carte topologique auto-organisatrice
- Classification et carte topologique
- Applications
- Bibliographie
8. Réseaux de neurones sans apprentissage pour l'optimisation
- Modélisation d'un problème d'optimisation
- Complexité d'un problème d'optimisation
- Approches classiques des problèmes combinatoires
- Introduction aux métaheuristiques
- Les techniques dérivées de la physique statistique
- Les approches neuronales
- La recherche tabou
- Les algorithmes génétiques
- Vers des approches hybrides
- Conclusion
- Bibliographie
Bibliographie commentée
IndexPermalink : ./index.php?lvl=notice_display&id=15211 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité IA58BI/1 IA58BI Livre Magasin d'Ouvrages / INF Intelligence Artificielle Consultation sur place
Exclu du prêtIA58BI/2 IA58BI Livre Magasin d'Ouvrages / INF Intelligence Artificielle Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
