Apprentissage statistique
Réseaux de neurones - Cartes topologiques - Machines à vecteurs supports
De Gérard Dreyfus
Eyrolles
Algorithmes
Trouvez les offres des librairies les plus proches :
ou
Offres
Autre version disponible
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.
Au 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
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.
Au 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
S'identifier pour envoyer des commentaires.
Autres contributions de...
-
LA COMMANDE PREDICTIVE. MISE EN OEUVRE ET APPLICATION INDUSTRIELLES, Mise en oeuvre et applications industriellesJacques Richalet, Guy Lavielle, Joëlle MalletEyrolles30,40
-
Neural networks from models to applications, ESPCI, Paris.. [conference, June 6-9], 1988Léon Personnaz, Gérard Dreyfus, Télécom Paris Tech, École supérieure de physique et de chimie industrielles de la Ville de ParisIdset