Visuel de Réseaux de neurones
visibilityFeuilleter

Les réseaux de neurones constituent aujourd'hui une technique de traitement de données bien comprise et maîtrisée, qui devrait faire partie de la boîte à outils de tout ingénieur soucieux de tirer 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 permettra aux décideurs, aux ingénieurs et aux chercheurs de bénéficier de méthodologies claires pour mettre en oeuvre les réseaux de neurones dans des applications industrielles, financières ou bancaires, dont de nombreux exemples sont présentés. Cette deuxième édition mise à jour et enrichie des derniers développements dans le domaine est accompagnée d'un CD-Rom contenant des d'exemples de modèles en C avec leurs données et d'un outil d'apprentissage dédié, Neuro One (version d'évaluation).

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, 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 5.3.3 pour Windows 98/NT, réseaux de neurones. Un compilateur C pour MS-Windows.

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.

  • Les réseaux de neurones : pourquoi et pour quoi faire ?
  • Modélisation à partir de réseaux de neurones : principes et méthodologie de conception de modèles
  • Compléments pour la modélisation : réduction de dimension et ré-échantillonage
  • 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
  • Réseaux de neurones sans apprentissage pour l'optimisation
  • Outils pour les réseaux de neurones

Gérard Dreyfus

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

Visuel de Gérard Dreyfus

Manuel Samuelides

Manuel Samuelides dirige le département de mathématiques appliquées de l'ENSAE (Su-paéro) ; 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.

Visuel de Manuel Samuelides

Jean-Marc Martinez

Jean-Marc Martinez enseigne les méthodes d'apprentissage statistique à l'INSTN de Sa-clay 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.

Visuel de Jean-Marc Martinez

Mirta B. Gordon

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

Visuel de Mirta B. Gordon

Fouad Badran

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

Visuel de Fouad Badran

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 géophysi-que, au Laboratoire d'océanographie dynamique et de climatologie (LODYC).

Visuel de Sylvie Thiria

Laurent Hérault

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.

Visuel de Laurent Hérault