|
 RÉSEAUX
DE NEURONES POUR LA MODÉLISATION (3 h)
> Propriétés fondamentales des réseaux de neurones formels.
> Panorama des principales architectures, des diverses techniques
d’apprentissage et des domaines d’application.
> Applications de réseaux de neurones pour la modélisation de
procédés non-linéaires (utilisation de la connaissance physico-chimique d’un procédé
pour structurer un réseau de neurones ...).
> Techniques d’apprentissage (apprentissage non adaptatif et
adaptatif, évaluation du gradient par rétropropagation et
propagation directe).
> Application des réseaux de neurones bouclés pour le filtrage
et la commande.
LES RÉSEAUX DE NEURONES
POUR LA CLASSIFICATION ET LE DIAGNOSTIC (3 h)
> Réseaux de neurones artificiels pour la reconnaissance des
formes.
> Réseaux de neurones artificiels pour la classification
(apprentissage supervisé et non supervisé).
> Carte auto-organisatrice de Kohonen.
 >
Application au diagnostic de procédés industriels.
> Réseaux de neurones bouclés pour le filtrage et la commande.
EXEMPLES D'APPLICATIONS
INDUSTRIELLES (2h30)
> Mise en oeuvre de réseaux de neurones artificiels dans un cas
industriel
(méthodologie, configuration des données, gestion des bases de cas
...).
> Étude de cas d’application de réseaux de neurones
artificiels pour le diagnostic de défaillances à partir d’un
modèle de la physique du processus.
TRAVAUX PRATIQUES (6 h)
> Mise en oeuvre de réseaux de neurones pour résoudre des
problèmes d’identification de procédés non-linéaires.
> La modélisation par réseaux de neurones d’un procédé
réel permettra de monter la stratégie de mise en oeuvre de cette
technique sur un procédé industriel.
> Utilisation des réseaux de neurones pour le diagnostic.
Cette session est animée avec la collaboration de Gérard
Dreyfus, grand spécialiste des réseaux de neurones, auteur de
nombreux ouvrages sur le sujet et directeur du laboratoire d’électronique
de l’ESPCI.
|
