Courses/RNEU

Titre	Réseaux de Neurones (introduction)
Sigle	RNEU
Enseignant	Reda Dehak
Période	S4, Ing2
Public	Majeure, SCIA
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 Historique Neurone formel Loi de Hebb Perceptron / Règle delta Perceptron multi-couches / Rétro-propagation du gradient Classification / Régression / Prévision Carte de Kohonen Clustering / Analyse de données Réseaux RBF Réseaux récurrents Réseaux de Hopfield Réseaux ART Réseaux évolutionnaires Apprentissage par renforcement / Q-learning
Documentation	F. Blayo et M. Verleysen, Les Réseaux de Neurones Artificiels ,Que Sais-Je ?, n°3042 J.-P. Renard, Réseaux neuronaux (une introduction accompagnée d’un modèle Java), Vuibert G. Dreyfus, M. Samuelides, J.-M. Martinez, M. B. Gordon, F. Badran, S. Thiria, L. Hérault, Réseaux de neurones (méthodologies et applications), Eyrolles C. M. Bishop, Neural networks for pattern recognition, Oxford University C. Touzet, Les Réseaux de Neurones Artificiels : Introduction au Connexionnisme, 1992 (document pdf disponible sur le net) V. Braitenberg, Vehicles Experiments in Synthetic Psychology, MIT Press, 1986 Darwin revisité par la sélection artificielle, La Recherche n° de février 2002 M. Schoenauer et E. Ronald, Neuro-Genetic Truck Backer-Upper Controller, 1994 D. Floreano et F. Mondada, Evolution of Homing Navigation in a Real Mobile Robot, 1996 R. Sutton, A. Barto, Reinforcement Learning : an introduction, MIT Press 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