Difference between revisions of "Courses/RNEU"

Latest revision as of 15:35, 4 February 2020

Titre	Réseaux de Neurones (introduction)
Sigle	RNEU
Enseignant	Reda Dehak
Période	S4, Ing2
Public	Majeure, SCIA, RDI
Contrôle
Durée
Optionnel	non
Module	Sciences Générales
Prérequis	ING1
Objectifs	Connaître les principaux types de réseaux de neurones, les algorithmes d’apprentissage associés et les applications pratiques correspondantes.
Plan	Modèle biologique* Généralités sur l’apprentissage* Neurone formel* Perceptron / Règle delta* Perceptron multi-couches / Rétro-propagation du gradient* Réseaux RBF* Carte de Kohonen
Documentation	C. M. Bishop, Neural networks for pattern recognition, Oxford University Simon O. Haykin, Neural Networks and Learning Machines, Prentice Hall T. Mitchell, Machine learning, Mac Graw Hill P. Lengley, Elements of machine learning, Morgan Kaufmann A. Cornuéjols, L. Miclet, Y. Kodratoff, Apprentissage artificiel, Eyrolles
Support
Journaux

@@ Line 1: / Line 1: @@
 {{Course
+|visible=No
 |title=Réseaux de Neurones (introduction)
 |acronym=RNEU
 |teacher=Reda
 |period=S4, Ing2
-|audience=Majeure, SCIA, CSI
+|audience=Majeure, SCIA, RDI
 |optional course=non
 |module=Sciences Générales
 |prerequisites=ING1
 |objectives=Connaître les principaux types de réseaux de neurones, les algorithmes d’apprentissage associés et les applications pratiques correspondantes.
+|content=* Modèle biologique* Généralités sur l’apprentissage* Neurone formel* Perceptron / Règle delta* Perceptron multi-couches / Rétro-propagation du gradient* Réseaux RBF* Carte de Kohonen
-|content=* Modèle biologique
-* Généralités sur l’apprentissage
-* Neurone formel
-* Perceptron / Règle delta
-* Perceptron multi-couches / Rétro-propagation du gradient
-* Réseaux RBF
-* Carte de Kohonen
 |references=C. M. Bishop, Neural networks for pattern recognition, Oxford University
 Simon O. Haykin, Neural Networks and Learning Machines,  Prentice Hall