Réseaux de neurones : méthodologies et applications

Fiche technique

Format : Broché
Nb de pages : XVIII-386 pages
Poids : 748 g
Dimensions : 17cm X 23cm
Date de parution :
EAN : 9782212110197

Réseaux de neurones

méthodologies et applications

chez Eyrolles

Paru le | Broché XVIII-386 pages

Etudiants

50.00 Indisponible

G. Dreyfus, J. M. Martinez, M. Samuelides et al.


Quatrième de couverture

  • Les réseaux de neurones constituent une technique de traitement de données bien comprise et maîtrisée, désormais indispensable dans la boîte 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 œuvre 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.
  • A 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.
  • Sommaire
  • Panorama des réseaux de neurones et de leurs applications • Exemples d'applications : reconnaissance de formes, fouille de données, prévision, prédiction de propriétés chimiques et physiques, modélisation et commande de procédés industriels, robotique • Méthodologie de conception de modèles • Notions de statistiques - Modélisation statique et dynamique - Modélisation semi-physique • Bootstrap et rééchantillonnage • Simulation et commande de processus • Réseaux récurrents • Discrimination • Réseaux classifieurs - Machines à vecteurs supports • Analyse et visualisation de données • Cartes de Kohonen • Optimisation combinatoire et recherche opérationnelle • Compléments théoriques et algorithmiques • Bibliographie commentée.

    Biographie

    Gérard Dreyfus dirige le laboratoire d'électronique de l'Ecole 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.

    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.

    Jean-Marc Martinez enseigne les méthodes d'apprentissage statistique à l'INSTN de Saclay et à Evry en collaboration avec le LSC, unité mixte CEA - Université. Il effectue des recherches dans le domaine des méthodes adaptées à la supervision de la simulation.

    Mirta B. Gordon, physicienne et directeur de recherches au CNRS, effectue des recherches sur les algorithmes d'apprentissage. Elle travaille au laboratoire Leibniz de l'Institut de mathématiques appliquées de Grenoble (IMAG) ainsi qu'au groupe Théorie du département de recherche fondamentale du CEA Grenoble.

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

    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).

    Laurent Hérault est chef de projet au CEA - LETI où il coordonne des recherches sur les réseaux de neurones et l'optimisation combinatoire appliqués à des problèmes industriels, notamment le traitement du signal pour les télécommunications sans fil.