|
| 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. 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
Index | | Permalink : | ./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
Index | | Permalink : | ./index.php?lvl=notice_display&id=15211 |
|  |
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesRéseaux de neurones / Gérard Dreyfus (cop. 2002)
