RÉSEAUX DE NEURONES
- 1. Historique
- 2. Quelques définitions
- 3. L'approximation parcimonieuse, une propriété fondamentale des réseaux de neurones
- 4. Réseaux de neurones et régression non linéaire
- 5. L'apprentissage des réseaux de neurones formels
- 6. Quelques exemples d'applications des réseaux de neurones
- 7. Bibliographie
Bibliographie
C. Bishop, Neural Networks for Pattern Recognition, Oxford Univ. Press, 1995
G. Dreyfus & J. L. Ploix, « Early fault detection in a distillation column : an industrial application of knowledge-based neural modelling », in Neural Networks : Best Practice in Europe, World Scientific, 1997
A. F. Duprat, T. Huynh & G. Dreyfus, « Towards a principled methodology for neural network design and performance evaluation in QSAR ; Application to the prediction of LogP », in Journ. Chem. Inf. Comput. Sci., 1998
K. Hornik, M. Stinchcombe & H. White, « Multilayer feedforward networks are universal approximators », in Neural Networks, vol. II, pp. 359-366, 1989
K. Hornik, M. Stinchcombe, H. White & P. Auer, « Degree of approximation results for feedforward networks approximating unknown mappings and their derivatives », in Neural Computation, vol. VI, pp. 1262-1275, 1994
S. Knerr, V. Anisimov, O. Baret et al., « The A2iA INTERCHEQUE System : courtesy amount and legal amount recognition for french checks », in International Journal of Pattern Recognition and Artificial Intelligence, vol. XI, no 4, pp. 505-548, 1997
L. Oukhellou, P. Aknin, H. Stoppiglia et al., « A new decision criterion for feature selection : application to the classification of non destructive testing signatures », EUropean SIgnal Processing COnference (EUSIPCO'98), Rhodes, 1998
J. L. Ploix & G. Dreyfus, « Knowledge-based neural modeling : principles and industrial applications », in F. Fogelman et P. Gallinari dir., Industrial Applications of Neural Networks, World Scientific, 1998
I. Rivals, D. Canas, L. Personnaz & G. Dreyfus, « Modeling and control of mobile robots and intelligent vehicles by neural networks », I.E.E.E. Conference on Intelligent Vehicles, pp. 137-142, 1994
I. Rivals, L. Personnaz, G. Dreyfus & J. L. Ploix, « Modélisation, classification et commande par réseaux de neurones : principes fondamentaux, méthodologie de conception et applications industrielles », in Les Réseaux de neurones pour la modélisation et la commande de processus, J. P. Corriou éd., Lavoisier Tec et Doc, 1995
H. Stoppiglia, Méthodes statistiques de sélection de modèles neuronaux ; applications financières et bancaires, thèse de doctorat, univ. Pierre-et-Marie-Curie, 1997
D. Terzopoulos, X. Tu & R. Grzeszczuk, « Artificial fishes : autonomous locomotion, perception, behavior, and learning in a simulated physical world », in Artificial Life, vol. I, pp. 327-351, 1994.
- 1. Historique
- 2. Quelques définitions
- 3. L'approximation parcimonieuse, une propriété fondamentale des réseaux de neurones
- 4. Réseaux de neurones et régression non linéaire
- 5. L'apprentissage des réseaux de neurones formels
- 6. Quelques exemples d'applications des réseaux de neurones
- 7. Bibliographie
La suite de cet article est accessible aux abonnés
- Des contenus variés, complets et fiables
- Accessible sur tous les écrans
- Pas de publicité
Déjà abonné ? Se connecter
Écrit par
- Gérard DREYFUS : Professeur à l'E.S.P.C.I.
Classification
Pour citer cet article
Gérard DREYFUS. RÉSEAUX DE NEURONES [en ligne]. In Encyclopædia Universalis. Disponible sur : (consulté le )
Médias
Représentation graphique
Encyclopædia Universalis France
Neurone à fonction sigmoïde
Encyclopædia Universalis France
Réseau non bouclé
Encyclopædia Universalis France
Autres références
-
ANTHROPOLOGIE COGNITIVE
- Écrit par Arnaud HALLOY
- 5 810 mots
...succinctement, les modèles connexionnistes décrivent les phénomènes mentaux et comportementaux comme le produit émergeant d’activation et de création de réseaux de neurones. Ils se distinguent ainsi assez radicalement des modèles « classiques » qui envisagent le cerveau à l’image d’un ordinateur qui traiterait... -
APPRENTISSAGE PROFOND ou DEEP LEARNING
- Écrit par Jean-Gabriel GANASCIA
- 2 645 mots
- 1 média
...techniques variées fondées sur la logique ou la statistique et s’inspirant de modèles psychologiques, physiologiques ou éthologiques. Parmi celles-ci, des techniques anciennes reposant sur un modèle très approximatif du tissu cérébral – les réseaux de neurones formels – ont obtenu depuis les années... -
AUTOMATISATION
- Écrit par Jean VAN DEN BROEK D'OBRENAN
- 11 882 mots
- 12 médias
...fin des années 1980, les travaux scientifiques aboutissant au concept d'une logique « non classique », la logique floue, d'une part, et au concept des réseaux de neurones, adaptés à la modélisation et à la commande des processus non linéaires, d'autre part, trouvèrent des applications dans l'automatisation... -
AUTO-ORGANISATION
- Écrit par Henri ATLAN
- 6 255 mots
- 1 média
...intelligence artificielle destinées à fabriquer des machines à apprendre et à mémoire distributive (cf. F. Fogelman-Soulié, 1991 ; T. Kohonen). Ce calcul est effectué en parallèle par un grand nombre d'unités, dites neurones formels, qui effectuent chacune des opérations élémentaires simulant de... - Afficher les 24 références
Voir aussi
- COMMANDE
- FORMES RECONNAISSANCE DES
- ENTRÉE-SORTIE
- INFORMATION, informatique et télécommunications
- SIMULATION
- OPÉRATEUR
- CLASSIFICATION
- APPRENTISSAGE, informatique et robotique
- RÉGRESSION NON-LINÉAIRE
- TECHNIQUES HISTOIRE DES, XXe et début du XXIe s.
- ALGORITHME
- APPROXIMATION
- DIFFÉRENCES ÉQUATION AUX
- NON-LINÉAIRE SYSTÈME
- MODÉLISATION
- GÉNÉRALISATION, logique
- ARCHITECTURE, informatique
- CLASSIFICATION AUTOMATIQUE
