Next:
Table des matières
Table des matières
Introduction
Que sont les réseaux neuronaux ?
Les bases biologiques
Origine et concepts de bases des réseaux de neurones artificiels (RNA)
Définition
Le neurone artificiel
Variables descriptives
Structure d'interconnexion
Apprentissage
Réseau de neurones et Statistiques
Relation avec la statistique
Le perceptron multicouches
Modèle mathématique du perceptron multicouches
Comparaison de termes utilisés en statistiques et dans les RNA
Mise en oeuvre des réseaux neuronaux
Étape 1 : fixer le nombre de couches cachées
Étape 2 : déterminer le nombre de neurones par couches cachées
Étape 3 : choisir la fonction d'activation
Étape 4 : choisir l'apprentissage
Première approche pratique : étude de deux fichiers sous le logiciel Splus
La fonction "nnet()" de Splus
Étude d'un premier fichier de données
Présentation des données
Réseau de neurones sans couche cachée
Réseau de neurones avec une couche cachée
Conclusion
Étude du second fichier de données
Détermination du nombre de variables dans la couche cachée
Utilisation de l'option linout
Utilisation de l'option entropy
Comparaison de la régression logistique avec les réseaux neuronaux
Présentation des données
Travail à effectuer
Régression logistique de la filière sur les autres variables
Comparaison avec les réseaux de neurones
Analogie entre la régression logistique et les réseaux de neurones
Réseau de neurones sans couches cachée et à fonction softmax
Comparaison de deux logiciels sur un fichier de données
Introduction
Étude sous le logiciel Splus
Etude sous le logiciel Matlab
Petite introduction
Réseau à une couche cachée
Comparaison avec le logiciel Splus
Réseau à deux couches cachées
Comparaison de l'analyse discriminante avec les réseaux de neurones
Présentation des données
Analyse discriminante
Comparaison avec les réseaux de neurones
Conclusion
Bibliographie
À propos de ce document...
Yasmine yactine
1999-07-28
