الفهرس الالي لمكتبة كلية العلوم الدقيقة و الاعلام الالي

Algorithmes d'apprentissage pour systèmes d'inférence floue / Pierre-Yves Glorennec

Public ISBD Titre : Algorithmes d'apprentissage pour systèmes d'inférence floue Type de document : texte imprimé Auteurs : Pierre-Yves Glorennec, Auteur Editeur : Paris : Hermès science publications Année de publication : 1999 Collection : 510 Importance : 190 p. Présentation : ill. Format : 24x16 cm ISBN/ISSN/EAN : 2-7462-0044-9 Note générale : Bibliogr. p. 185-190. Index Langues : Français (fre) Mots-clés : logique floue  systèmes flous Index. décimale : 510 Résumé : La logique floue présente plusieurs facettes : celle qui est abordée dans Algorithmes d'apprentissage pour systèmes d'inférence floue concerne la représentation des connaissances sous une forme directement interprétable, en utilisant le formalisme des règles floues. Le problème se pose de savoir comment exprimer des connaissances et comment les réactualiser en fonction de l'expérience. La réponse à cette question passe par des représentations paramétriques adéquates et l'utilisation de méthodes d'optimisation sous contrainte. Il devient alors possible d'extraire des connaissances et d'optimiser des règles floues automatiquement, le tout à partir de données numériques disponibles. L'optimisation de règles floues a longtemps été réalisée de façon empirique. Différentes méthodes d'optimisation (on parle aussi d'apprentissage) ont vu le jour depuis le début des années 1990. Ces méthodes, souvent basées sur des réseaux de neurones ou des algorithmes génétiques, présentent l'inconvénient majeur de ne pas prendre en compte la sémantique des règles floues. La démarche choisie dans cet ouvrage insiste au contraire sur les spécificités des systèmes d'inférence floue pour en déduire des algorithmes appropriés, simples et performants, garantissant la sémantique tout au long de l'apprentissage. Algorithmes d'apprentissage pour systèmes d'inférence floue [texte imprimé] / Pierre-Yves Glorennec, Auteur . - Paris : Hermès science publications, 1999 . - 190 p. : ill. ; 24x16 cm. - (510) . ISBN : 2-7462-0044-9 Bibliogr. p. 185-190. Index Langues : Français (fre) Mots-clés : logique floue  systèmes flous Index. décimale : 510 Résumé : La logique floue présente plusieurs facettes : celle qui est abordée dans Algorithmes d'apprentissage pour systèmes d'inférence floue concerne la représentation des connaissances sous une forme directement interprétable, en utilisant le formalisme des règles floues. Le problème se pose de savoir comment exprimer des connaissances et comment les réactualiser en fonction de l'expérience. La réponse à cette question passe par des représentations paramétriques adéquates et l'utilisation de méthodes d'optimisation sous contrainte. Il devient alors possible d'extraire des connaissances et d'optimiser des règles floues automatiquement, le tout à partir de données numériques disponibles. L'optimisation de règles floues a longtemps été réalisée de façon empirique. Différentes méthodes d'optimisation (on parle aussi d'apprentissage) ont vu le jour depuis le début des années 1990. Ces méthodes, souvent basées sur des réseaux de neurones ou des algorithmes génétiques, présentent l'inconvénient majeur de ne pas prendre en compte la sémantique des règles floues. La démarche choisie dans cet ouvrage insiste au contraire sur les spécificités des systèmes d'inférence floue pour en déduire des algorithmes appropriés, simples et performants, garantissant la sémantique tout au long de l'apprentissage.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
fsei08262	510-12.1	Ouvrage	Faculté des Sciences Exactes et Informatique	500 - Sciences de la nature et Mathématiques	Disponible

---

1 (1 - 1 / 1)