Apprentissage statistique

Réseaux de neurones. Cartes topologiques. Machines à vecteurs supports

Gérard Dreyfus, Jean-Marc Martinez, Manuel Samuelides, Mirta B. Gordon, Fouad Badran, Sylvie Thiria - Collection Algorithmes

448 pages, parution le 02/10/2008 (3^eme édition)

Expédié sous 6 jours

Livraison à partir de 0,01€ dès 49€ d'achats
Pour une livraison en France métropolitaine

QUANTITÉ

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.

L'avis du libraire

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.

Extraits du livre : Apprentissage statistique

Extraits

L'auteur Gérard Dreyfus

Gérard Dreyfus dirige le laboratoire d'électronique de l'École supérieure de physique et de chimie industrielles de la ville de Paris (ESPCI) où il enseigne notamment les méthodes de modélisation par apprentissage. Il dispense des formations continues à l'usage des ingénieurs dans ce domaine.

L'auteur Jean-Marc Martinez

Jean-Marc Martinez est expert senior et enseignant-chercheur au Commissariat à l'Énergie Atomique dans le domaine de l'apprentissage statistique et de la modélisation des incertitudes en simulation numérique. Il développe et applique ces méthodes au CEA et les enseigne dans diverses universités et écoles.

L'auteur Manuel Samuelides

Manuel Samuelides dirige le département de mathématiques appliquées de l'ENSAE (Supaéro); il y enseigne les probabilités, l'optimisation et les techniques probabilistes de l'apprentissage. Il effectue des recherches au département de traitement de l'information et modélisation de l'ONERA.

L'auteur Mirta B. Gordon

Mirta B. Gordon, physicienne, directrice de recherches au CNRS, est responsable de l'équipe "Apprentissage : modèles et algorithmes" (AMA) au sein du laboratoire TIMC-IMAG (Grenoble). Elle effectue des recherches sur la modélisation des systèmes complexes adaptatifs, et sur la théorie et les algorithmes d'apprentissage. Elle enseigne ces sujets dans différentes écoles doctorales.

L'auteur Fouad Badran

Fouad Badran, professeur au CNAM, y enseigne les réseaux de neurones.

L'auteur Sylvie Thiria

Sylvie Thiria, professeur à l'université de Versailles Saint-Quentin-en-Yvelines, effectue des recherches sur la modélisation neuronale et sur ses applications, notamment à la géophysique, au laboratoire d'océanographie dynamique et de climatologie (LODYC).

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

Voir tout

Replier

Caractéristiques techniques du livre "Apprentissage statistique"

	PAPIER
Éditeur(s)	Eyrolles
Auteur(s)	Gérard Dreyfus, Jean-Marc Martinez, Manuel Samuelides, Mirta B. Gordon, Fouad Badran, Sylvie Thiria
Collection	Algorithmes
Parution	02/10/2008
Édition	3^eme édition
Nb. de pages	448
Format	17 x 23
Couverture	Broché
Poids	880g
Intérieur	Noir et Blanc
EAN13	9782212122299
ISBN13	978-2-212-12229-9