| Titre : | Les réseaux de neurones artificiels et leurs applications en imagerie et en vision par ordinateur |
| Auteurs : | Richard Lepage, Auteur ; Basel Solaiman, Auteur |
| Type de document : | Monographie imprimée |
| Editeur : | Presses de l'Université du Québec, DL 2003 |
| ISBN/ISSN/EAN : | 978-2-921145-40-4 |
| Format : | 1 vol. (XVIII-446 p.) / ill., couv. ill. en coul. / 25 cm |
| Langues: | Français |
| Index. décimale : | 006.32 |
| Résumé : |
Les réseaux de neurones désignent habituellement des réseaux neuro-mimétiques résultat de l'interconnexion d'un ensemble de neurones artifi-ciels. Un neurone artificiel est un modèle simplifié du neurone biologique. L'objectif est de permettre la modélisation de certaines fonctions du cerveau, comme la mémorisation associative, l'apprentissage par l'exemple, etc. Cet ouvrage a pour objet de présenter cette thématique aux élèves ingénieurs. Le champs des applications en vision et en imagerie est considéré afin d'en illustrer les différents concepts. La particularité et l'originalité de cet ouvrage réside dans le fait qu'il est l'aboutissement d'une coopération en matière d'enseignement entre deux écoles d'ingénieurs: l'École Nationale Supérieure des Télécommunications de Bretagne à Brest et l'École de technologie supérieure à Montréal. Ces deux écoles ont mis en commun leurs approches théoriques et pratiques de l'enseignement des réseaux de neurones pour un ouvrage didactique. |
| Sommaire : |
Avant-propos Notation et terminologie Notation vectorielle Architecture des réseaux Terminologie Partie I Réseaux de neurones et reconnaissance de forme 1 1. Le paradigme des réseaux de neurones artificiels 3 1.1 Historique 3 1.2 Revue de littérature 4 1.3 Modélisation d'un neurone artificiel 8 1.4 Apprentissage 28 1.5 Organisation des neurones en réseaux 39 1.6 Taxonomie 44 1.7 Simulation des réseaux de neurones 50 Conclusion 64 Références 65 2. Le paradigme neuronal en reconnaissance de formes 73 2.1 L'approche neuronale en reconnaissance de formes 75 2.2 Modélisation des systèmes de reconnaissance de formes 81 2.3 Développement d'une solution neuronale 87 Références 93 3. Le paradigme neuronal en vision par ordinateur 95 3.1 Systèmes de vision par ordinateur 95 3.2 Modèle computationnel d'un système de vision par ordinateur . . . 97 3.3 Analyse multirésolution 103 3.4 Extraction des caractéristiques de l'image 112 3.5 L'esquisse 125 3.6 Description et classification 3D 129 Conclusion 129 Références 130 Partie II Extraction des primitives 137 4. Les réseaux de neurones compétitifs 139 4.1 Introduction 139 4.2 Les réseaux compétitifs linéaires 140 4.3 Les réseaux de quantification vectorielle 152 4.4 Les cartes topologiques de Kohonen 163 Références 167 Travaux Pratiques Réseau SOM de Kohonen 168 Simulations MATLAB 168 Un premier exemple : une carte linéaire 169 La réduction de dimension 170 La préservation topologique 172 Le principe de voisinage 174 Le rayon d'apprentissage 176 La fonction d'apprentissage 180 Un dernier essai 182 Partie HI Classification 183 5. Les réseaux neuronaux discriminants 185 5.1 Le combinateur linéaire adaptatif 186 5.2 Le neurone formel (McCulloch & Pitts) 193 5.3 Le neurone formel adaptatif 204 5.4 Le réseau Madaline 216 Références 221 Travaux Pratiques Le perceptron de Rosenblatt 222 Théorie 222 Manipulations 225 Travaux Pratiques Les réseaux Adaline et Madaline 241 L'Adaline de Widrow-Hoff 241 Le réseau Madaline 246 249 6. Les mémoires associatives 251 6.1 Architecture 252 6.2 Phases d'opération 255 6.3 Catégories de mémoires 256 6.4 Entraînement 258 6.5 Mémoires anticipatives (statiques) 264 6.6 Mémoires itératives 266 Références 275 Travaux Pratiques Réseau de Hopfield discret 276 Démonstration 277 Mémorisation de formes simples 277 Reconnaissance de caractères manuscrits 285 Conclusion 292 293 Partie IV Réseaux de neurones mixtes extracteur-classificateur 295 7. Le perceptron multicouche 297 7.1 Architecture 298 7.2 L'algorithme de la rétropropagation du signal d'erreur 299 7.3 Interprétation du réseau multicouche 317 7.4 Exemples d'utilisation du réseau perceptron multicouche 320 Références 338 Travaux Pratiques Extraction des contours d'une image 340 Présentation du problème 340 Vue d'ensemble du système 343 Manipulations 348 8. Réseaux à base radiale 355 8.1 Introduction 355 8.2 Approximation des fonctions et le modèle linéaire 357 8.3 Architecture d'un réseau RBF 362 8.4 Problème d'apprentissage des réseaux RBF 365 8.5 Réseaux RBF et la classification 370 Références 372 9. Les réseaux de type ART 373 9.1 Gagnant emporte tout 374 9.2 Modèle générique ART 379 9.3 Réseau binaire ART 1 383 9.4 Améliorations 392 Références 394 Travaux Pratiques Le réseau ART discret 395 La classification automatique 396 Applications 403 Analyse de données 403 Classification de chiffres manuscrits 404 Partie V Applications 407 10. Compression d'images 409 10.1 Le réseau Diabolo 411 10.2 Le réseau SOFM pour la compression d'image 413 Références 422 11. Applications en reconnaissance de formes 425 11.1 Reconnaissance de formes 425 11.2 Application dans le domaine de la télédétection multispectrale 429 11.3 Application à la reconnaissance optique des caractères 439 Références 446 |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| INF/301 | Livre | bibliothèque sciences exactes | Consultable |
