Lavoisier S.A.S.
14 rue de Provigny
94236 Cachan cedex
FRANCE

Heures d'ouverture 08h30-12h30/13h30-17h30
Tél.: +33 (0)1 47 40 67 00
Fax: +33 (0)1 47 40 67 02


Url canonique : www.lavoisier.fr/livre/mathematiques/algorithmes-d-apprentissage-pour-systemes-d-inference-floue/glorennec/descriptif-9782746200449
Url courte ou permalien : www.lavoisier.fr/livre/notice.asp?ouvrage=2137201

Algorithmes d'apprentissage pour systèmes d'inférence floue

Langue : Français

Auteur :

Couverture de l’ouvrage Algorithmes d'apprentissage pour systèmes d'inférence floue
Ce livre présente une famille d'algorithmes pour des systèmes de règles floues, permettant d'extraire automatiquement et/ou améliorer des connaissances à partir de données numériques et de maintenir l'interprétabilité et la lisibilité des règles tout au long du processus d'optimisation.
1. Présentation générale Objectifs - Prérequis - Organisation du livre 2. Traitement numérique de la connaissance Spécificité des systèmes d'inférence floue - Exemple introductif : un problème de robinet - Optimisation d'un SIF - Le neuro-flou - Les SIF utilisés - Structure d'un SIF 3. Optimisation sous contraintes Limites de l'expertise humaine - Interprétation de la connaissance acquise - Optimisation avec ou sans contrainte ? - Les contraintes minima - Les partitions floues fortes - Comparaison entre modèles DED et DEL 4. Principales méthodes d'optimisation Le problème général de l'optimisation - Le gradient stochastique - Les méthodes évolutionnistes - Les méthodes de classification - Commentaire 5. Apprentissage supervisé pour un SIF de structure donnée Optimisation paramétrique supervisée : cas général - Initialisation : algorithme de prototypage rapide (APR) - Initialisation avec peu d'exemples - Optimisation des conclusions - Exemple - Optimisation d'un SIF de type TS d'ordre 1 - Optimisation des fonctions d'appartenance - Commentaire 6. Optimisation structurelle supervisée (modèle DEL) Utilisation des méthodes de classification - Choix des fonctions d'appartenance - Utilisation de méthodes évolutionnistes - Commentaire 7. Optimisation structurelle supervisée (modèle DED) Recherche arborescente - Utilisation d'un algorithme génétique - Comparaison 8. Apprentissage indirect Méthodes analytiques - Méthodes évolutionnistes - Conclusion 9. Association du neuronal et du flou Introduction - Un système hybride neuronal et flou - Optimisation du RN - Transfert de connaissance - Exemple : modèle flou d'un bâtiment - Une autre architecture modulaire 10. Apprentissage par renforcement Le Q-Learning - Du Q-Learning au Q-Learning flou - Le Q-Learning flou - Exemple 11. Applications Navigation réactive d'un robot mobile - Modélisation de la glycémie Annexes Bibliographie - Index

Date de parution :

Ouvrage de 192 p.

15.5x23.5 cm

Sous réserve de disponibilité chez l'éditeur.

46,00 €

Ajouter au panier

Thème d’Algorithmes d'apprentissage pour systèmes d'inférence... :