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 ; prévisions ; 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".
On trouvera sur le CD-Rom accompagnant ce livre cinq exemples de modèles avec données et codes source ; ainsi qu'une version d'évaluation du logiciel Neuro One 6.10.7 : un outil dédié convivial pour la création de modèles de réseaux de neurones ; un compilateur C pour MS-Windows ; une ibliothèque non linéaire MonaEx70.dll, niveau 0.
A propos du livre
Titre : APPRENTISSAGE STATISTIQUE : RESEAUX DE NEURONES - CARTES TOPOLOGIQUES - MACHINES A VECTEURS SUPPORTS
Auteurs : DREYFUS Gérard, MARTINEZ Jean-Marc, SAMUELIDES Manuel, GORDON Mirta B., BADRAN Fouad, THIRIA Sylvie
Editeur : Eyrolles
Pages : 450
Prix : 52 €
ISBN : 978-2-2121-2229-9
Disponible en ligne sur le site : http://www.editions-eyrolles.com