| Titre : | Apprentissage statistique [Multimédia multisupport] | | Type de document : | texte imprimé | | Auteurs : | Dreyfus, Gérard, Auteur ; J.-M. Martinez,, Auteur ; M. Samuelides, Auteur | | Editeur : | Eyrolles | | Année de publication : | 2008 | | Collection : | Algorithmes | | Importance : | 449p | | Présentation : | coul | | Format : | 23/17 cm | | Accompagnement : | 1 disque optique numérique (CD-ROM) | | ISBN/ISSN/EAN : | 978-2-212-12229-9 | | Prix : | 52 EUR | | Note générale : | ndex.
La couv. porte en plus : "Réseaux de neurones, cartes topologiques, machines à vecteurs supports", "Prévision, data mining, bio-ingéniérie, reconnaissance de formes, robotique et commande de processus".
Type de ressource électronique : données textuelles et logiciel d'application.
Configuration requise : PC Pentium 2 100 Mhz ; 64 Mo de mémoire vive ; MS-Windows 98/NT, 2000, XP ; 25 Mo d'espace disque disponible | | Langues : | Français (fre) | | Mots-clés : | Réseaux neuronaux (informatique) Guides, manuels, etc.
non fiction
édition commerciale
expert, spécialiste
enseignement supérieur
logiciel(s) d'application | | Résumé : | L'apprentissage statistique permet la mise au point de modèles de données et de processus lorsque la formalisation de règles explicites serait impossible : reconnaissance de formes ou de signaux, prévision, fouille de données, prise de décision en environnement complexe et évolutif. Ses applications sont multiples dans le monde de la production industrielle (aide à la conception de produits, maintenance préventive, développement de capteurs virtuels, robotique, planification d'expériences...), dans le domaine de la biologie et de la santé (aide à la découverte de médicaments, aide au diagnostic, bio-informatique...), en télécommunications, en marketing et finance, et dans bien d'autres domaines.
Sans omettre de rappeler les fondements théoriques de l'apprentissage statistique, cet ouvrage offre de solides bases méthodologiques à tout ingénieur ou chercheur soucieux d'exploiter ses données. Il en présente les algorithmes les plus couramment utilisés - réseaux de neurones, cartes topologiques, machines à vecteurs supports, modèles de Markov cachés - à l'aide d'exemples et d'études de cas industriels, financiers ou bancaires. |
Apprentissage statistique [Multimédia multisupport] [texte imprimé] / Dreyfus, Gérard, Auteur ; J.-M. Martinez,, Auteur ; M. Samuelides, Auteur . - [S.l.] : Eyrolles, 2008 . - 449p : coul ; 23/17 cm + 1 disque optique numérique (CD-ROM). - ( Algorithmes) . ISBN : 978-2-212-12229-9 : 52 EUR ndex.
La couv. porte en plus : "Réseaux de neurones, cartes topologiques, machines à vecteurs supports", "Prévision, data mining, bio-ingéniérie, reconnaissance de formes, robotique et commande de processus".
Type de ressource électronique : données textuelles et logiciel d'application.
Configuration requise : PC Pentium 2 100 Mhz ; 64 Mo de mémoire vive ; MS-Windows 98/NT, 2000, XP ; 25 Mo d'espace disque disponible Langues : Français ( fre) | Mots-clés : | Réseaux neuronaux (informatique) Guides, manuels, etc.
non fiction
édition commerciale
expert, spécialiste
enseignement supérieur
logiciel(s) d'application | | Résumé : | L'apprentissage statistique permet la mise au point de modèles de données et de processus lorsque la formalisation de règles explicites serait impossible : reconnaissance de formes ou de signaux, prévision, fouille de données, prise de décision en environnement complexe et évolutif. Ses applications sont multiples dans le monde de la production industrielle (aide à la conception de produits, maintenance préventive, développement de capteurs virtuels, robotique, planification d'expériences...), dans le domaine de la biologie et de la santé (aide à la découverte de médicaments, aide au diagnostic, bio-informatique...), en télécommunications, en marketing et finance, et dans bien d'autres domaines.
Sans omettre de rappeler les fondements théoriques de l'apprentissage statistique, cet ouvrage offre de solides bases méthodologiques à tout ingénieur ou chercheur soucieux d'exploiter ses données. Il en présente les algorithmes les plus couramment utilisés - réseaux de neurones, cartes topologiques, machines à vecteurs supports, modèles de Markov cachés - à l'aide d'exemples et d'études de cas industriels, financiers ou bancaires. |
|  |
Affiner la rechercheApprentissage statistique [Multimédia multisupport] / Dreyfus, Gérard
