Les réseaux de neurones: présentation et applicationsEditions OPHRYS, 2007 - 152 pages |
Table des matières
Section 1 | 1 |
Section 2 | 9 |
Section 3 | 21 |
Section 4 | 65 |
Section 5 | 77 |
Section 6 | 93 |
Section 7 | 107 |
Section 8 | 123 |
Section 9 | 137 |
151 | |
Expressions et termes fréquents
Actualiser aléatoirement Algorithme Apprentissage compétitif Apprentissage supervisé base d'apprentissage c₂ calcul centres des classes classification Classification automatique coefficient d'apprentissage couche cachée couche d'entrée couche de sortie d'itérations définie degrés d'appartenance entrées Figure fonction d'activation fonction gaussienne fonction logique fonction non linéaire fonctions d'appartenance fonctions radiales ième Initialisation jième neurone Kohonen L'algorithme d'apprentissage l'ensemble logique floue matricielle méthode du gradient minimiser mise en œuvre modèle inverse modèle neuronal modélisation neurone de sortie Notons P₁ paramètres perceptron Présenter au réseau problème processus projection radiales de base réaliser recuit simulé récurrent règle d'apprentissage règle de Hebb réseau de Hopfield réseau multicouche réseaux à fonctions réseaux de neurones rétropropagation du gradient s'effectue sortie du réseau structure système de commande système dynamique systèmes d'inférence floue tangente hyperbolique utilisant valeurs variables vecteur d'entrée vecteur poids vecteurs prototypes vient w₁ w₂ x₁ x₂ Y₁ z₁