A partir de cette page vous pouvez :
indexint
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'indexation
006 Ouvrages de la bibliothèque en indexation 0063
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesIntelligence artificielle et informatique théorique / Alliot, Jean-Marc (1993)
Titre : Intelligence artificielle et informatique théorique Type de document : texte imprime Auteurs : Alliot, Jean-Marc, Auteur ; Schiex, Thomas, Auteur Editeur : Paris : Cépadués Année de publication : 1993 Collection : Intelligence artificielle Importance : 520 p. Présentation : ill. Format : 24cm ISBN/ISSN/EAN : 978-2-85428-324-2 Note générale : Bibliogr. p. 485-509. Index Langues : Français Mots-clés : Langages formels Logique mathématique Systèmes experts (informatique) Programmation logique Réseaux neuronaux (informatique)Intelligence artificielle Index. décimale : 0063 Résumé : Le but de cet ouvrage, à vocation pédagogique, est de dégager les contours souvent flous de ce que l'on appelle Intelligence Artificielle et d'aider à mieux comprendre quelle est sa place dans l'informatique moderne. Pour bien saisir l'ensemble des enjeux, il est bon de poser le problème en termes précis.
C'est pourquoi les bases théoriques de l'Intelligence Artificielle (logique et résolution) et les fondements de l'Informatique théorique (calculabilité, complexité, lambda-calcul) sont développés dans la première et la deuxième partie de ce livre.
Puis les principales techniques de l'Intelligence Artificielle sont exposées de façon détaillé dans la troisième partie : programmation des jeux (du classique alpha-beta aux jeux Conway en passant par SSS*), problèmes de satisfaction de contraintes, algorithmes de parcours d'arbres ou de graphes (A*, ...).
Les langages modernes de l'Intelligence Artificielle, qu'ils fassent partie de la programmation logique (Prolog) ou de la programmation fonctionnelle (Caml) sont présentés dans la quatrième partie. La cinquième partie est consacrée aux méthodes d'apprentissage symbolique, neuromimétiques et par renforcement, ainsi qu'aux algorithmes génétiques. La conclusion tente de replacer l'Intelligence Artificielle dans son contexte social et philosophique, et de comprendre comment elle a pu susciter tant de discours différents et tant de polémiques.
Cet ouvrage offre un panorama des connaissances théoriques et techniques indispensables pour bien comprendre l'informatique d'aujourd'hui et évoluer vers ce que sera l'informatique de demain.
Note de contenu :
1 Définir l'Intelligence Artificielle
I Logique mathématique, résolution
2 Le calcul propositionnel
3 Le calcul des prédicats
4 Les machines de Turing
5 Les systèmes formels
6 Calcul propositionnel et résolution
7 Calcul des prédicats e t résolution
8 Les logiques non-classiques
II Éléments d'informatique théorique
9 Théorie des langages formels
10 La calculabilité
11 La complexité
12 λ -calcul
III Techniques de l'Intelligence Artificielle
13 Méthodes faibles
14 Problèmes de satisfaction de contraintes
15 La programmation des jeux
16 Les systèmes experts
IV Les langages de l'IA
17 Programmation fonctionnelle : M L
18 Programmation logique : PROLOG
V Apprentissage
19 Apprentissage Symbolique Automatique
20 Les réseaux de neurones
21 Algorithmes évolutionnaires
22 Apprentissage par renforcement
VI Conclusion
23 ConclusionPermalink : ./index.php?lvl=notice_display&id=15170 Intelligence artificielle et informatique théorique [texte imprime] / Alliot, Jean-Marc, Auteur ; Schiex, Thomas, Auteur . - Paris : Cépadués, 1993 . - 520 p. : ill. ; 24cm. - (Intelligence artificielle) .
ISBN : 978-2-85428-324-2
Bibliogr. p. 485-509. Index
Langues : Français
Mots-clés : Langages formels Logique mathématique Systèmes experts (informatique) Programmation logique Réseaux neuronaux (informatique)Intelligence artificielle Index. décimale : 0063 Résumé : Le but de cet ouvrage, à vocation pédagogique, est de dégager les contours souvent flous de ce que l'on appelle Intelligence Artificielle et d'aider à mieux comprendre quelle est sa place dans l'informatique moderne. Pour bien saisir l'ensemble des enjeux, il est bon de poser le problème en termes précis.
C'est pourquoi les bases théoriques de l'Intelligence Artificielle (logique et résolution) et les fondements de l'Informatique théorique (calculabilité, complexité, lambda-calcul) sont développés dans la première et la deuxième partie de ce livre.
Puis les principales techniques de l'Intelligence Artificielle sont exposées de façon détaillé dans la troisième partie : programmation des jeux (du classique alpha-beta aux jeux Conway en passant par SSS*), problèmes de satisfaction de contraintes, algorithmes de parcours d'arbres ou de graphes (A*, ...).
Les langages modernes de l'Intelligence Artificielle, qu'ils fassent partie de la programmation logique (Prolog) ou de la programmation fonctionnelle (Caml) sont présentés dans la quatrième partie. La cinquième partie est consacrée aux méthodes d'apprentissage symbolique, neuromimétiques et par renforcement, ainsi qu'aux algorithmes génétiques. La conclusion tente de replacer l'Intelligence Artificielle dans son contexte social et philosophique, et de comprendre comment elle a pu susciter tant de discours différents et tant de polémiques.
Cet ouvrage offre un panorama des connaissances théoriques et techniques indispensables pour bien comprendre l'informatique d'aujourd'hui et évoluer vers ce que sera l'informatique de demain.
Note de contenu :
1 Définir l'Intelligence Artificielle
I Logique mathématique, résolution
2 Le calcul propositionnel
3 Le calcul des prédicats
4 Les machines de Turing
5 Les systèmes formels
6 Calcul propositionnel et résolution
7 Calcul des prédicats e t résolution
8 Les logiques non-classiques
II Éléments d'informatique théorique
9 Théorie des langages formels
10 La calculabilité
11 La complexité
12 λ -calcul
III Techniques de l'Intelligence Artificielle
13 Méthodes faibles
14 Problèmes de satisfaction de contraintes
15 La programmation des jeux
16 Les systèmes experts
IV Les langages de l'IA
17 Programmation fonctionnelle : M L
18 Programmation logique : PROLOG
V Apprentissage
19 Apprentissage Symbolique Automatique
20 Les réseaux de neurones
21 Algorithmes évolutionnaires
22 Apprentissage par renforcement
VI Conclusion
23 ConclusionPermalink : ./index.php?lvl=notice_display&id=15170 Exemplaires
Code-barres Cote Support Localisation Section Disponibilité IA37BI/1 IA37BI Livre Magasin d'Ouvrages / INF Intelligence Artificielle Consultation sur place
Exclu du prêtAucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Intelligence dans les réseaux Type de document : texte imprime Auteurs : Gaîti Dominique Editeur : Paris : Lvoisier Année de publication : 2005 Collection : Traité IC2 Importance : (344-VI p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-7462-1134-6 Note générale : Notes bibliogr. Index Langues : Français Mots-clés : Réseaux d'ordinateurs Intelligence artificielle répartie Index. décimale : 0063 Résumé :
Le développement rapide de la technologie multi-agent s'explique par la nécessité de nouvelles solutions et de nouveaux mécanismes pour la résolution de systèmes complexes. Cette technologie devient peu à peu une technologie-clé à mesure que les systèmes informatiques deviennent de plus en plus distribués, interconnectés et ouverts. Dans des environnements de ce type, la capacité des agents logiciels à faire des plans et à percevoir leurs actions et leurs buts, à coopérer et à négocier de façon autonome avec les autres, et leur capacité de répondre de manière flexible et intelligente à des situations dynamiques et imprévisibles, permettent une amélioration très significative de la qualité des performances des systèmes logiciels ainsi conçus. L'enjeu final de ces travaux est de rendre le réseau totalement autonome. Ce livre se propose de faire le point sur les différents aspects couverts par les recherches actuelles pour atteindre cet objectif final d'autonomie. Les différents travaux d'intégration menés se sont essentiellement intéressés aux aspects de la gestion et de contrôle dans le domaine des réseaux IP, filaire et sans fil.Note de contenu :
Permalink : ./index.php?lvl=notice_display&id=15200 Intelligence dans les réseaux [texte imprime] / Gaîti Dominique . - Paris : Lvoisier, 2005 . - (344-VI p.) : ill. ; 24 cm. - (Traité IC2) .
ISBN : 978-2-7462-1134-6
Notes bibliogr. Index
Langues : Français
Mots-clés : Réseaux d'ordinateurs Intelligence artificielle répartie Index. décimale : 0063 Résumé :
Le développement rapide de la technologie multi-agent s'explique par la nécessité de nouvelles solutions et de nouveaux mécanismes pour la résolution de systèmes complexes. Cette technologie devient peu à peu une technologie-clé à mesure que les systèmes informatiques deviennent de plus en plus distribués, interconnectés et ouverts. Dans des environnements de ce type, la capacité des agents logiciels à faire des plans et à percevoir leurs actions et leurs buts, à coopérer et à négocier de façon autonome avec les autres, et leur capacité de répondre de manière flexible et intelligente à des situations dynamiques et imprévisibles, permettent une amélioration très significative de la qualité des performances des systèmes logiciels ainsi conçus. L'enjeu final de ces travaux est de rendre le réseau totalement autonome. Ce livre se propose de faire le point sur les différents aspects couverts par les recherches actuelles pour atteindre cet objectif final d'autonomie. Les différents travaux d'intégration menés se sont essentiellement intéressés aux aspects de la gestion et de contrôle dans le domaine des réseaux IP, filaire et sans fil.Note de contenu :
Permalink : ./index.php?lvl=notice_display&id=15200 Exemplaires
Code-barres Cote Support Localisation Section Disponibilité IA76BI/1 IA76BI Livre Magasin d'Ouvrages / INF Intelligence Artificielle Consultation sur place
Exclu du prêtAucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Principes d'intelligence artificielle Type de document : texte imprime Auteurs : Nils J. Nilsson ; Junker-Manago, Anne, Traducteur ; Manago, Michel, Traducteur Editeur : Toulouse : Cépaduès Année de publication : DL 1988 Collection : Techniques avancées de l'information num. ISSN 02952461 Importance : 446 p. Présentation : graph., couv. ill. Format : 25 cm ISBN/ISSN/EAN : 2-85428-182-2 Note générale : Bibliogr. Index Langues : Français Mots-clés : Intelligence artificielle Index. décimale : 0063 Permalink : ./index.php?lvl=notice_display&id=15173 Principes d'intelligence artificielle [texte imprime] / Nils J. Nilsson ; Junker-Manago, Anne, Traducteur ; Manago, Michel, Traducteur . - Toulouse : Cépaduès, DL 1988 . - 446 p. : graph., couv. ill. ; 25 cm. - (Techniques avancées de l'information; ISSN 02952461) .
ISSN : 2-85428-182-2
Bibliogr. Index
Langues : Français
Mots-clés : Intelligence artificielle Index. décimale : 0063 Permalink : ./index.php?lvl=notice_display&id=15173 Exemplaires
Code-barres Cote Support Localisation Section Disponibilité IA41BI/1 IA41BI Livre Magasin d'Ouvrages / INF Intelligence Artificielle Consultation sur place
Exclu du prêtAucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Techniques avancées pour le traitement de l'information : réseaux de neurones ,logique floue,algorithmes génétiques Type de document : texte imprime Auteurs : Jean-Louis Amat ; Gérard Yahiaoui Mention d'édition : 2e éd. Editeur : Paris : Cépadués Année de publication : 2002 Importance : 193 p. Présentation : ill. Format : 21 cm ISBN/ISSN/EAN : 28454285689 Langues : Français Mots-clés : IHM, Informatique, intelligence artificielle, traitement données Réseaux neuronaux ( informatique) Logique floue Algorithmes génétiques Index. décimale : 0063 Résumé :
Conçu comme un manuel d'initiation, ce livre permet de parcourir, soit ponctuellement, soit dans un ordre logique, les différentes étapes d'une chaîne générale de traitement de l'information dans son acceptation la plus large. Il intègre à la fois des approches dites classiques (traitement du signal par exemple) et des approches nouvelles, que l'on qualifie de « technologies avancées » (logique floue, réseaux de neurones, algorithmes génétiques).
Il s'adresse aussi bien aux étudiants qui souhaitent s'initier au traitement de l'information et à ses applications qu'aux ingénieurs expérimentés.Note de contenu :
1 INTRODUCTION
2 LA CHAINE COMPLETE DE TRAITEMENT DE L'INFORMATION.
2.1 Acquisition.
2.1.1 La notion d'abstraction
2.1.2 Les familles de signaux usuellement captés
2.2 Traitement du signal.
2.2.1 Définition
2.2.2 Les bases mathématiques
2.3 L'a priori
2.4 Extraction de caractéristiques.
2.4.1 Définition / Objet
2.4.2 Les bases mathématiques
2.4.3 L'a priori
2.5 Interprétation / Décision.
2.5.1 Objet
2.5.2 Les bases théoriques
2.5.3 L'a priori
2.6 Critique de la chaîne complète.
2.6.1 Niveaux bas purement algorithmiques.
2.6.2 Perte d'information, incertitude, imprécision et redondance
2.6.3 Irréversibilité
2.7 Exemples de problèmes complexes.
2.7.1 Interprétation d'images
2.7.2 Reconnaissance de la parole
2.7.3 Segmentation de clientèle
2.7.4 « Profiling » de l’internaute
3 ACQUISITION
3.1 L'acquisition du monde : notion de découpage arbitraire
3.1.1 Notion de résolution adaptée au problème.
3.1.2 Notion d'écart de linéarité
3.1.3 Notion de bande passante d'observation.
3.1.4 Notions sur les erreurs élémentaires.
3.1.5 Notions sur les erreurs dues aux facteurs d'influence externes
3.1.6 Notions sur l'erreur liée à l'observation
3.1.7 Notion d'observation "passive ou active"
3.2 Les familles de capteurs.
3.2.1 Capteurs centralisés.
3.2.2 Capteurs distribués.
3.2.3 Des exemples de capteurs.
3.2.4 Les mesures de température.
3.2.5 Les capteurs d'images.
3.2.6 Les capteurs d'odeurs.
3.2.7 Les questionnaires (études de marché et sondages d’opinion)
3.3 Les influences sur la chaîne de traitement située en aval.
3.4 Caractéristiques du capteur idéal.
4 TRAITEMENT DU SIGNAL
4.1 Familles de traitements.
4.1.1 Traitements non adaptatifs.
4.1.2 Les transformées linéaires
4.1.3 Les transformations non-linéaires.
4.1.4 Filtrage linéaire.
4.1.5 Filtrage non-linéaire.
4.1.6 Traitements adaptatifs.
4.2 Problème de modélisation d'une séquence d'opérateurs.
4.3 Vérification des a priori, complexification des modèles
4.4 Notion naissante d'adaptation.
4.5 Exemples de traitements.
4.5.1 Codage binaire d'images numériques
4.5.2 Analyse structurale de galaxies par transformation en ondelettes
4.6 Caractéristiques du traitement idéal. Influence de cette étape sur l'étape située en aval.
5 TRAITEMENT DE L'INFORMATION
5.1 La quantité d'information.
5.2 Les estimateurs couramment utilisés.
5.2.1 Extraits de signaux.
5.2.2 Paramètres statistiques simples.
5.2.3 Les méthodes évoluées d'analyse : l'analyse factorielle
5.2.4 Les modèles de production.
5.3 Différence entre entités théoriques et estimateurs calculés.
5.4 Sémantique associée aux estimateurs
5.5 Data Mining
5.6 Le problème du choix des caractéristiques.
5.7 Exemples d’applications
5.7.1 Marketing direct
5.7.2 Détection de fraudes
5.7.3 Reconnaissance de défauts
5.8 Réflexion : l'extraction idéale de caractéristiques
6 DECISION / INTERPRETATION
6.1 Nécessité d'un modèle de décision
6.2 Utilisation de la déduction.
6.2.1 L'acquisition de la connaissance.
6.2.2 La représentation de la connaissance
6.2.3 Résolution de problèmes :
6.3 La transformation numérique->symbolique.
6.4 La nature intrinsèque des données d'entrée.
6.5 Redondances et contradictions, données incomplètes ou incertaines dues aux pertes d'information dans la chaîne.
6.6 Problème du choix d'un mode de raisonnement.
6.7 Apprentissage.
6.8 Le data mining
6.8.1 Techniques du data mining
6.8.2 Data mining et analyse de données
6.9 Exemples d'applications.
6.9.1 Interprétation de structures complexes dans les images
6.9.2 Système expert de diagnostic financier pour les entreprises.
6.9.3 Gestion de la relation client (CRM : Customer Relationship Management)
6.10 Réflexion : le raisonnement idéal.
7 LES NOUVELLES TECHNIQUES
7.1 Les réseaux neuronaux.
7.1.1 Les origines.
7.1.2 Types de réseaux neuronaux.
7.1.3 Les propriétés macroscopiques des réseaux neuronaux.
7.1.4 Les grands principes des règles d'apprentissage
7.1.5 Apports dans la chaîne de traitement à divers niveaux
7.1.6 Exemples d'applications industrielles.
7.1.7 Discussion : débat sur le niveau de modélisation.
7.2 La Logique Floue.
7.2.1 Les origines.
7.2.2 Caractéristiques.
7.2.3 Apports dans la chaîne de traitement
7.2.4 Exemples de réalisations industrielles
7.3 Les Algorithmes Génétiques.
7.3.1 Les origines
7.3.2 Les principes : reproduction, mutation, combinaison entre individus.
7.3.3 Caractéristique fondamentale : le parallélisme implicite.
7.3.4 L'opérateur d'auto-cohérence.
7.3.5 Apports dans la chaîne de traitement à divers niveaux.
7.3.6 Exemples d'application
7.4 Une approche pour fédérer des techniques hétérogènes en traitement de l'information : la méthodologie A.G.E.N.D.A.
7.4.1 Historique.
7.4.2 Intégrer des réseaux de neurones dans une chaîne de traitement avec A.G.E.N.D.A.
7.4.3 Généralisation de l'approche A.G.E.N.D.A.
8 SYNTHESE
9 BIBLIOGRAPHIE
Permalink : ./index.php?lvl=notice_display&id=11611 Techniques avancées pour le traitement de l'information : réseaux de neurones ,logique floue,algorithmes génétiques [texte imprime] / Jean-Louis Amat ; Gérard Yahiaoui . - 2e éd. . - Paris : Cépadués, 2002 . - 193 p. : ill. ; 21 cm.
ISSN : 28454285689
Langues : Français
Mots-clés : IHM, Informatique, intelligence artificielle, traitement données Réseaux neuronaux ( informatique) Logique floue Algorithmes génétiques Index. décimale : 0063 Résumé :
Conçu comme un manuel d'initiation, ce livre permet de parcourir, soit ponctuellement, soit dans un ordre logique, les différentes étapes d'une chaîne générale de traitement de l'information dans son acceptation la plus large. Il intègre à la fois des approches dites classiques (traitement du signal par exemple) et des approches nouvelles, que l'on qualifie de « technologies avancées » (logique floue, réseaux de neurones, algorithmes génétiques).
Il s'adresse aussi bien aux étudiants qui souhaitent s'initier au traitement de l'information et à ses applications qu'aux ingénieurs expérimentés.Note de contenu :
1 INTRODUCTION
2 LA CHAINE COMPLETE DE TRAITEMENT DE L'INFORMATION.
2.1 Acquisition.
2.1.1 La notion d'abstraction
2.1.2 Les familles de signaux usuellement captés
2.2 Traitement du signal.
2.2.1 Définition
2.2.2 Les bases mathématiques
2.3 L'a priori
2.4 Extraction de caractéristiques.
2.4.1 Définition / Objet
2.4.2 Les bases mathématiques
2.4.3 L'a priori
2.5 Interprétation / Décision.
2.5.1 Objet
2.5.2 Les bases théoriques
2.5.3 L'a priori
2.6 Critique de la chaîne complète.
2.6.1 Niveaux bas purement algorithmiques.
2.6.2 Perte d'information, incertitude, imprécision et redondance
2.6.3 Irréversibilité
2.7 Exemples de problèmes complexes.
2.7.1 Interprétation d'images
2.7.2 Reconnaissance de la parole
2.7.3 Segmentation de clientèle
2.7.4 « Profiling » de l’internaute
3 ACQUISITION
3.1 L'acquisition du monde : notion de découpage arbitraire
3.1.1 Notion de résolution adaptée au problème.
3.1.2 Notion d'écart de linéarité
3.1.3 Notion de bande passante d'observation.
3.1.4 Notions sur les erreurs élémentaires.
3.1.5 Notions sur les erreurs dues aux facteurs d'influence externes
3.1.6 Notions sur l'erreur liée à l'observation
3.1.7 Notion d'observation "passive ou active"
3.2 Les familles de capteurs.
3.2.1 Capteurs centralisés.
3.2.2 Capteurs distribués.
3.2.3 Des exemples de capteurs.
3.2.4 Les mesures de température.
3.2.5 Les capteurs d'images.
3.2.6 Les capteurs d'odeurs.
3.2.7 Les questionnaires (études de marché et sondages d’opinion)
3.3 Les influences sur la chaîne de traitement située en aval.
3.4 Caractéristiques du capteur idéal.
4 TRAITEMENT DU SIGNAL
4.1 Familles de traitements.
4.1.1 Traitements non adaptatifs.
4.1.2 Les transformées linéaires
4.1.3 Les transformations non-linéaires.
4.1.4 Filtrage linéaire.
4.1.5 Filtrage non-linéaire.
4.1.6 Traitements adaptatifs.
4.2 Problème de modélisation d'une séquence d'opérateurs.
4.3 Vérification des a priori, complexification des modèles
4.4 Notion naissante d'adaptation.
4.5 Exemples de traitements.
4.5.1 Codage binaire d'images numériques
4.5.2 Analyse structurale de galaxies par transformation en ondelettes
4.6 Caractéristiques du traitement idéal. Influence de cette étape sur l'étape située en aval.
5 TRAITEMENT DE L'INFORMATION
5.1 La quantité d'information.
5.2 Les estimateurs couramment utilisés.
5.2.1 Extraits de signaux.
5.2.2 Paramètres statistiques simples.
5.2.3 Les méthodes évoluées d'analyse : l'analyse factorielle
5.2.4 Les modèles de production.
5.3 Différence entre entités théoriques et estimateurs calculés.
5.4 Sémantique associée aux estimateurs
5.5 Data Mining
5.6 Le problème du choix des caractéristiques.
5.7 Exemples d’applications
5.7.1 Marketing direct
5.7.2 Détection de fraudes
5.7.3 Reconnaissance de défauts
5.8 Réflexion : l'extraction idéale de caractéristiques
6 DECISION / INTERPRETATION
6.1 Nécessité d'un modèle de décision
6.2 Utilisation de la déduction.
6.2.1 L'acquisition de la connaissance.
6.2.2 La représentation de la connaissance
6.2.3 Résolution de problèmes :
6.3 La transformation numérique->symbolique.
6.4 La nature intrinsèque des données d'entrée.
6.5 Redondances et contradictions, données incomplètes ou incertaines dues aux pertes d'information dans la chaîne.
6.6 Problème du choix d'un mode de raisonnement.
6.7 Apprentissage.
6.8 Le data mining
6.8.1 Techniques du data mining
6.8.2 Data mining et analyse de données
6.9 Exemples d'applications.
6.9.1 Interprétation de structures complexes dans les images
6.9.2 Système expert de diagnostic financier pour les entreprises.
6.9.3 Gestion de la relation client (CRM : Customer Relationship Management)
6.10 Réflexion : le raisonnement idéal.
7 LES NOUVELLES TECHNIQUES
7.1 Les réseaux neuronaux.
7.1.1 Les origines.
7.1.2 Types de réseaux neuronaux.
7.1.3 Les propriétés macroscopiques des réseaux neuronaux.
7.1.4 Les grands principes des règles d'apprentissage
7.1.5 Apports dans la chaîne de traitement à divers niveaux
7.1.6 Exemples d'applications industrielles.
7.1.7 Discussion : débat sur le niveau de modélisation.
7.2 La Logique Floue.
7.2.1 Les origines.
7.2.2 Caractéristiques.
7.2.3 Apports dans la chaîne de traitement
7.2.4 Exemples de réalisations industrielles
7.3 Les Algorithmes Génétiques.
7.3.1 Les origines
7.3.2 Les principes : reproduction, mutation, combinaison entre individus.
7.3.3 Caractéristique fondamentale : le parallélisme implicite.
7.3.4 L'opérateur d'auto-cohérence.
7.3.5 Apports dans la chaîne de traitement à divers niveaux.
7.3.6 Exemples d'application
7.4 Une approche pour fédérer des techniques hétérogènes en traitement de l'information : la méthodologie A.G.E.N.D.A.
7.4.1 Historique.
7.4.2 Intégrer des réseaux de neurones dans une chaîne de traitement avec A.G.E.N.D.A.
7.4.3 Généralisation de l'approche A.G.E.N.D.A.
8 SYNTHESE
9 BIBLIOGRAPHIE
Permalink : ./index.php?lvl=notice_display&id=11611 Exemplaires
Code-barres Cote Support Localisation Section Disponibilité IA50/1 IA50 Livre Magasin d'Ouvrages / FGE Informatique et automatique Consultation sur place
Exclu du prêtAucun avis, veuillez vous identifier pour ajouter le vôtre !
