R´ eseau de neurones
Intelligence Artificielle et Syst`emes Formels Master 1 I2L
S´ebastien Verel verel@lisic.univ-littoral.fr
http://www-lisic.univ-littoral.fr/∼verel
Universit´e du Littoral Cˆote d’Opale Laboratoire LISIC Equipe CAMOME
Plan pr´ evisionnel
Courte introduction (d’apr`es D. Robilliard) R´eseau de neurones (2)
Arbre de d´ecision Inf´erence bay´esienne R´eseau bay´esien
Classification non param´etrique Intelligence collective (2)
Objectifs de la s´ eance 09
Connaitre la mod´elisation d’un neurone artificiel
Savoir concevoir un r´eseau de neurones de type perceptron Savoir concevoir un r´eseau de neurones de type perceptron multi-couches
Connaitre le principe d’apprentissage par r´etropropagation de l’erreur
Approche
Approche tr`es pragmatique pour ce cours.
D’abord on trouve une documentation, on d´efinit, on comprend, on teste Puis on reviendra des concepts plus g´en´eraux
sur l’apprentissage par la suite.
Bibliographie
Denis Robilliard, Universit´e du Littoral Cˆote d’Opale,http:
//www-lisic.univ-littoral.fr/∼robillia/index.html Manuel Clergue, Universit´e Antilles Guyanne,
http://www-lisic.univ-littoral.fr/∼verel/
TEACHING/08-09/sac-M1/cRdNV9.pdf Marie Cottrell, Universit´e Paris 1- Sorbonne, http://samos.univ-paris1.fr/archives/ftp/
preprints/samos174.pdf
G´erald Petitjean, Eurod´ecision,https://www.lrde.epita.
fr/∼sigoure/cours ReseauxNeurones.pdf