Programmé en UVF4B515, UVF4B516
Présentation :
Ce module consiste à introduire les réseaux connexionnistes (ou réseaux de neurones) comme une réponse possible à des problèmes de classification, la problématique de classification ayant déjà été rencontrée dans les niveaux précédents. Le domaine des réseaux de neurones est vaste et comprend de nombreux modèles et approches. Ainsi, les deux réseaux de neurones généralement rencontrés seront présentés plus en détail :
- les perceptrons multi-couches avec un apprentissage reposant sur l'algorithme de rétro-propagation de l'erreur,
- les réseaux compétitifs avec un éclairage plus particulier sur les cartes de Kohonen.
Ces deux types de réseaux feront l'objet d'une implémentation en Matlab par les élèves, afin de mieux appréhender la réalité de la mise en oeuvre de telles solutions neuronales, sur un ou plusieurs cas concrets de classification (classification des iris de Fisher, de chiffres manuscrits, de dossiers de crédit, ...)
Au delà de l'aspect strictement réseaux connexionnistes, ce bloc sera l'occasion de discuter des questions à se poser pour répondre de manière appropriée, à un problème concret : quel modèle d'architecture utiliser ? quelles approches d'apprentissage envisager (supervisées, non supervisées) ? par quelles données le problème est-il décrit ? et généralement tous les problèmes liés à la représentation de ces données.
Volume horaire :
12h
Contenu détaillé :
Réseaux de neurones :
- C1/C2 : Réseaux à apprentissage supervisé, Réseaux multicouches, Applications et mise en oeuvre des perceptrons.
- TP1 : Reconnaissance par réseaux de neurones (MLP) de caractères manuscrits.
- C3 : Réseaux compétitifs, apprentissage non supervisé.
- C4 : Réseaux de Kohonen. Applications.
- TP2 : Mise en œuvre d'un fil et d'une carte de Kohonen. Application au cadre des caractères manuscrits, ...
Année 2019/2020
Dernière mise à jour le 11-JAN-19
Validation par le responsable de programme le
|
