- S'inscrire
- |
- Mon compte
- |
- Newsletter
- |
- Aide
Apprentissage statistique
Réseaux de neurones - Cartes topologiques - Machines à vecteurs supports
- Auteur(s) : Gérard Dreyfus , Jean-Marc Martinez , Manuel Samuelides , Mirta B. Gordon , Fouad Badran , Sylvie Thiria
- Editeur : Eyrolles
Version actualisée du titre "Réseaux de neurones - Méthodologie et applications", cet ouvrage permet d'apprendre avec méthode les différents algorithmes adaptés selon le type de réseau, par grand domaine d'application. A la fois pointu, technique et très documenté, il offre une base solide à tout ingénieur souhaitant exploiter ses données.
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.
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.
Sommaire
- 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
- Outils pour les réseaux de neurones et contenu du CD-Rom
Extraits
-
Table des matières
-
(126.4 Ko)
-
Avant-propos et guide de lecture
-
(318.8 Ko)
-
Chapitre 1 : L'apprentissage statistique : pourquoi, comment ?
-
(1 Mo)
-
Annexe : Outils pour les réseaux de neurones et contenu du CD-Rom
-
(2.7 Mo)
Caractéristiques
|
|
Les nouveautés sur le même thème (Voir tout)
Nos clients ont aussi acheté
Dans la même collection (Voir tout)
Consultez aussi
- Tous les livres de la collection Algorithmes de l'éditeur Eyrolles
- Tous les livres de Gérard Dreyfus
- Tous les livres de Jean-Marc Martinez
- Tous les livres de Manuel Samuelides
- Tous les livres de Mirta B. Gordon
- Tous les livres de Fouad Badran
- Tous les livres de Sylvie Thiria
- Sélection de livres d'informatique en anglais
- Info, photo... Nos interviews auteurs
Les thèmes associés
- Informatique > Développement d'applications > Algorithmique et informatique appliquée > Réseaux de neurones
- Sciences > Techniques > Automatique
- Informatique > Développement d'applications > Algorithmique et informatique appliquée > Reconnaissance des formes
- Sciences > Techniques > Robotique
- Sciences > Techniques > Intelligence artificielle
- Sciences > Techniques > Intelligence artificielle > I.A. appliquée

















Devenez Fan !
Suivez-nous sur Twitter