Les réseaux de neurones formels sont des opérateurs modulaires
non linéaires permettant de résoudre de nombreux problèmes
industriels de modélisation, de commande de processus, et de
reconnaissance des formes. Cet ouvrage introduit les outils
algorithmiques et statistiques nécessaires à leur mise en oeuvre efficace.
Afin d'aider le concepteur à décider de la pertinence de leur utilisation,
les réseaux de neurones sont situés par rapport à des opérateurs plus
simples, comme des polynômes ou des sommes de gaussiennes. Les
propriétés de ces derniers sont exposées, avant d'être étendues aux
réseaux de neurones.
L'apprentissage des réseaux de neurones, autrement dit l'estimation de
leurs paramètres, est exposé de façon unifiée et détaillée, aussi bien
pour des modèles statiques ou des classifieurs, que pour des modèles
dynamiques ou des correcteurs. Cette présentation est complétée par
l'évaluation de la confiance à accorder aux estimations des réseaux.
Enfin, une large place est consacrée au problème central de la sélection
des entrées significatives et de l'architecture optimale d'un réseau de
neurones.
L'ouvrage s'adresse aux ingénieurs et aux chercheurs intéressés par la
mise en oeuvre des réseaux de neurones formels, ainsi qu'aux étudiants
de DEA et d'écoles d'ingénieurs.
