Apprentissage statistique: R�seaux de neurones. Cartes topologiques. Machines � vecteurs supports - Couverture souple

Dreyfus, G�rard; Martinez, Jean-Marc; Samuelides, Manuel; Gordon, Mirta B.; Badran, Fouad; Thiria, Sylvie

9782212122299: Apprentissage statistique: R�seaux de neurones. Cartes topologiques. Machines � vecteurs supports

Couverture souple

ISBN 10 : 2212122292 ISBN 13 : 9782212122299

Editeur : EYROLLES, 2008

Afficher les exemplaires de cette �dition comportant l?ISBN

0 D'occasion

1 Neuf

De EUR 52

Pr�sentation de l'�diteur

L'apprentissage statistique permet la mise au point de mod�les de donn�es et de processus lorsque la formalisation de r�gles explicites serait impossible: reconnaissance de formes ou de signaux, pr�vision, fouille de donn�es, prise de d�cision en environnement complexe et �volutif. Ses applications sont multiples dans le monde de la production industrielle (robotique, maintenance pr�ventive, d�veloppement de capteurs virtuels, planification d'exp�riences, aide � la conception de produits), dans le domaine de la biologie et de la sant� (aide au diagnostic, aide � la d�couverte de m�dicaments, bio-informatique), en t�l�communications, en marketing et finance, et dans bien d'autres domaines. Sans omettre de rappeler les fondements th�oriques de l'apprentissage statistique, cet ouvrage offre de solides bases m�thodologiques � tout ing�nieur ou chercheur soucieux d'exploiter ses donn�es. Il en pr�sente les algorithmes les plus couramment utilis�s - r�seaux de neurones, cartes topologiques, machines � vecteurs supports, mod�les de Markov cach�s - � l'aide d'exemples et d'�tudes de cas industriels, financiers ou bancaires. Cet ouvrage est la mise � jour du livre R�seaux de neurones - M�thodologie et applications. A qui s'adresse ce livre ? Aux ing�nieurs, chercheurs et d�cideurs ayant � r�soudre des probl�mes de mod�lisation, de reconnaissance, de pr�vision, de commande, etc. Aux �tudiants et �l�ves ing�nieurs des disciplines scientifiques et �conomiques, et � leurs enseignants.

Biographie de l'auteur

G�rard Dreyfus dirige le laboratoire d'�lectronique de l'�cole sup�rieure de physique et de chimie industrielles (ESPCI-ParisTech) o� il enseigne notamment les m�thodes de mod�lisation par apprentissage. il dispense des formations continues � l'usage des ing�nieurs dans ce domaine. Manuel Samuelides dirige le d�partement de math�matiques appliqu�es de l'ENSAE (Supa�ro); il y enseigne les probabilit�s, l'optimisation et les techniques probabilistes de l'apprentissage. Il effectue des recherches au d�partement de traitement de l'information et mod�lisation de l'ONERA. Jean-Marc Martinez est expert senior et enseignant-chercheur au Commissariat � l'�nergie Atomique dans le domaine de l'apprentissage statistique et de la mod�lisation des incertitudes en simulation num�rique. Il d�veloppe et applique ces m�thodes au CEA et les enseigne dans diverses universit�s et �coles. Mirta B. Gordon, physicienne, directrice de recherches au CNRS, est responsable de l'�quipe "Apprentissage: mod�les et algorithmes" (AMA) au sein du laboratoire TIMC-IMAG (Grenoble). Elle effectue des recherches sur la mod�lisation des syst�mes complexes adaptatifs, et sur la th�orie et les algorithmes d'apprentissage. Elle enseigne ces sujets dans diff�rentes �coles doctorales. Fouad Badran, professeur au CNAM, y enseigne les r�seaux de neurones. Sylvia Thiria, professeur � l'universit� de Versailles Saint-Quentin-en-Yvelines, effectue des recherches sur la mod�lisation neuronale et sur ses applications, notamment � la g�ophysique, au laboratoire d'oc�anographie dynamique et de climatologie (LODYC).

Les informations fournies dans la section � A propos du livre � peuvent faire r�f�rence � une autre �dition de ce titre.