COURS

ACTIVITÉS DES COURS

1

Introduction à l’intelligence artificielle

• Aperçu général de l’IA
• Historique

2

Le neurone artificiel

• Paramètres du neurone : fonction d’activation, de sortie, d’apprentissage
• Réseaux de neurones

• Taxonomie des principaux modèles

• Simulateurs

3

Domaines d’application

• Principaux domaines : classification, regroupement, association, approximation, prédiction

Reconnaissance de forme

• Extraction des primitives
• Base d’apprentissage
• Classification

Perceptron de Rosenblatt

• Séparateur linéaire adaptatif
• Neurone de McCulloch & Pitts
• Perceptron de Rosenblatt
  Adaline et Madaline de Widrow

4

Perceptron multicouche

• Gradient de l’erreur
• Modèle à rétro propagation du gradient d’erreur
• Limitations et améliorations
• Applications

5

Applications du perceptron multicouche

6

Méthodes à noyaux

• Réseaux à base radiale
• Séparation linéaire par projection dans un espace à dimension élevée
• Machines à vecteurs supports (SVM)
• Applications

7

Mémoires associatives

• Types de mémoire associative
• Apprentissage hebbien par corrélation
• Formes d’entrée orthogonales
• Formes d’entrée linéairement indépendantes
• Vecteurs propres et valeurs propres de la matrice de corrélation
• Capacité de stockage

COURS

ACTIVITÉS DES COURS

8

Réseaux récurrents

• Réseau de Hopfield
• Activation asynchrone
• Minimisation de l’énergie du système
• Recuit simulé
• Machine de Boltzmann

9

EXAMEN DE MI-SESSION

10

Réseaux résonants ART

• Couche de compétition
• Modèle générique ART1
• Apprentissage
• Modèles ART2 et ARTMAP

11

Réseaux de neurones compétitifs

• Réseaux de compétition linéaires
• Analyse par composantes principales : réseaux d’Oja et de Sanger
• Réseaux de quantification vectorielle
• Cartes topologiques de Kohonen

12

Apprentissage automatique

• Types d’apprentissage
• Constitution des bases de données : apprentissage, vérification et test
• Arrêt de l’apprentissage
• Classification multiple
• Performance : courbes ROC

13

Introduction aux systèmes experts

• Définition et historique
• Types de systèmes experts
• Domaines d’application
• Architecture de base
• Fonctionnement

DATE

ACTIVITÉS DES LABORATOIRES

Labo 1- Le perceptron de Rosenblatt

Labo 2 – Extraction des primitives d’une image par apprentissage supervisé

         Base d’apprentissage

         Apprentissage

         Généralisation

Labo 3 : Réseau de Hopfield discret

Labo 4 : Réseau ART discret

Labo 5 : Réseau SOM de Kohonen