Réseaux de neurones et machines apprenantes

Troisième édition

Simon Haykin

Université McMaster, Canada

Cette troisième édition d’un ouvrage classique présente un traitement complet des réseaux de neurones et des machines apprenantes, deux piliers étroitement liés. L’ouvrage a été largement révisé afin d’offrir un traitement actualisé d’un sujet dont l’importance ne cesse de croître. Parmi les particularités de cet ouvrage figurent :

• Algorithmes d’apprentissage en ligne fondés sur la descente de gradient stochastique ; problèmes d’apprentissage à petite et grande échelle.

• Méthodes à noyaux, notamment les machines à vecteurs de support et le théorème du représentant.

• Modèles d’apprentissage fondés sur la théorie de l’information, notamment les copules, l’analyse en composantes indépendantes (ICA), l’ICA cohérente et le goulot d’étranglement informationnel.

• Programmation dynamique stochastique, notamment procédures approximatives et neurodynamiques.

• Algorithmes d’estimation séquentielle d’état, notamment filtres de Kalman et filtres particulaires.

• Réseaux de neurones récurrents entraînés à l’aide d’algorithmes d’estimation séquentielle d’état.

• Expériences informatiques pertinentes.

Tout aussi important, l’ouvrage est rédigé dans un style accessible, propre à Simon Haykin.

Cet ouvrage présente le premier traitement complet des réseaux de neurones sous l’angle de l’ingénierie. Approfondi, bien structuré et entièrement à jour, il examine tous les aspects importants de cette technologie émergente.

Catégories :

• Ingénierie et transport
  • Ingénierie
    • Électricité et électronique