Techniques de déplacement doux

Aperçu

Soft computing is a dynamic approach to solving complex, real-world problems that traditional computing methods struggle to address. This 8-week course offers a comprehensive introduction to key techniques such as Fuzzy Logic (FL), Artificial Neural Networks (ANNs), Genetic Algorithms (GAs), and hybrid systems, combining theoretical concepts with practical applications.

You will explore how fuzzy logic replicates human reasoning, neural networks enable machines to learn and adapt, and genetic algorithms leverage evolutionary principles to optimize solutions. Advanced topics like swarm intelligence and hybrid systems, which integrate multiple techniques for robust problem-solving, are also covered.

Through engaging lectures, interactive quizzes, practical assignments, and hands-on projects, you will gain the knowledge and skills to apply soft computing methods across diverse domains, including pattern recognition, data mining, robotics, and decision-making systems, preparing you to tackle real-world challenges with confidence.

Programme

• Aperçu de l'informatique douce : Définition, importance et caractéristiques
• Différence entre l'informatique douce et l'informatique dure
• Avantages de l'informatique douce dans la gestion de l'incertitude, de l'imprécision et de la complexité
• Introduction aux ensembles flous et aux fonctions d'appartenance
• Systèmes d'inférence floue : Modèles de Mamdani et Sugeno
• Applications de la logique floue en prise de décision et systèmes de contrôle
• Bases des réseaux neuronaux : Perceptrons et fonctions d'activation
• Entraînement des réseaux neuronaux par rétropropagation
• Exploration des architectures : Réseaux neuronaux à propagation directe, convolutionnels et récurrents
• Applications des RNA en reconnaissance de patterns et en prévision
• Fondamentaux des algorithmes génétiques : Sélection, croisement et mutation
• Techniques d'optimisation inspirées par l'évolution biologique
• Résolution de problèmes d'optimisation complexes à l'aide des AG
• Applications en ingénierie, planification et apprentissage machine
• Concept des systèmes hybrides : Combinaison de LF, RNA et AG
• Synergies entre les techniques pour résoudre des problèmes complexes
• Exemples concrets de systèmes hybrides en contrôle adaptatif et prise de décision
• Études de cas en reconnaissance de formes, exploration de données et systèmes de contrôle
• Applications en robotique, soins de santé et prévisions financières
• Bénéfices de l'informatique douce dans la résolution de défis réels
• Calcul évolutif : Optimisation par essaims de particules et optimisation par colonies de fourmis
• Introduction à l'intelligence des essaims et ses applications
• Techniques d'optimisation avancées pour les problèmes de haute dimension et dynamiques
• Conception de systèmes d'inférence floue pour des scénarios réels
• Création de modèles de réseaux neuronaux pour des applications axées sur les données
• Mise en œuvre d'algorithmes génétiques pour des problèmes d'optimisation

---

Enseigné par

Dr.T Subha

---

Matières

Artificial Intelligence