Apprentissage statistique, Réseaux de neurones - Cartes topologiques - Machines à vecteurs supports
EAN13
9782212851694
Éditeur
Eyrolles
Date de publication
Langue
français
Fiches UNIMARC
S'identifier

Apprentissage statistique

Réseaux de neurones - Cartes topologiques - Machines à vecteurs supports

Eyrolles

Indisponible

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.
S'identifier pour envoyer des commentaires.