Focus on teaching the mechanisms of artificial intelligence algorithms, cultivate students' awareness of independent AI learning at the current stage, equip students with a solid theoretical foundation in artificial intelligence and the ability to solve practical problems with relevant methodologies, and lay a foundational knowledge of AI algorithms for their major studies.
- Introduction aux algorithmes mathématiques en IA
- Chapitre 1 Qu’est-ce qu’un problème inverse mal posé ? Aperçu et motivation en ingénierie électrique
1.1 Qu’est-ce qu’un problème inverse mal posé ? Aperçu et motivation en ingénierie électrique（Ⅰ）
1.2 Qu’est-ce qu’un problème inverse mal posé ? Aperçu et motivation en ingénierie électrique（Ⅱ）
1.3 Qu’est-ce qu’un problème inverse mal posé ? Aperçu et motivation en ingénierie électrique（Ⅲ）
- Chapitre 2 Équations intégrales linéaires du premier type Théorie de Fredholm et Volterra
2.1 Équations intégrales linéaires du premier type Théorie de Fredholm et Volterra（Ⅰ）
2.2 Équations intégrales linéaires du premier type Théorie de Fredholm et Volterra（Ⅱ）
2.3 Équations intégrales linéaires du premier type Théorie de Fredholm et Volterra（Ⅲ）
2.4 Équations intégrales linéaires du premier type Théorie de Fredholm et Volterra（Ⅳ）
- Chapitre 3 Outils d'analyse fonctionnelle Normes, produits scalaires, opérateurs compacts et fonctions delta
3.1 Outils d'analyse fonctionnelle Normes, produits scalaires, opérateurs compacts et fonctions delta（Ⅰ）
3.2 Outils d'analyse fonctionnelle Normes, produits scalaires, opérateurs compacts et fonctions delta（Ⅱ）
3.3 Outils d'analyse fonctionnelle Normes, produits scalaires, opérateurs compacts et fonctions delta（Ⅲ）
- Chapitre 4 Méthodes dans le domaine fréquentiel pour les problèmes inverses en DSP
4.1 Méthodes dans le domaine fréquentiel pour les problèmes inverses en DSP（Ⅰ）
4.2 Méthodes dans le domaine fréquentiel pour les problèmes inverses en DSP（Ⅱ）
4.3 Méthodes dans le domaine fréquentiel pour les problèmes inverses en DSP（Ⅲ）
4.4 Méthodes dans le domaine fréquentiel pour les problèmes inverses en DSP（Ⅳ）
- Chapitre 5 Discours du professeur
5.1 Discours du professeur（Ⅰ）
5.2 Discours du professeur（Ⅱ）
5.3 Discours du professeur（Ⅲ）
5.4 Discours du professeur（Ⅳ）
5.5 Discours du professeur（Ⅴ）
- Chapitre 6 Prévision comme problème inverse Pourquoi est-il mal posé ?
6.1 Prévision comme problème inverse Pourquoi est-il mal posé ?（Ⅰ）
6.2 Prévision comme problème inverse Pourquoi est-il mal posé ?（Ⅱ）
6.3 Prévision comme problème inverse Pourquoi est-il mal posé ?（Ⅲ）
6.4 Prévision comme problème inverse Pourquoi est-il mal posé ?（Ⅳ）
6.5 Prévision comme problème inverse Pourquoi est-il mal posé ?（Ⅴ）
6.6 Prévision comme problème inverse Pourquoi est-il mal posé ?（Ⅵ）
- Chapitre 7 Prévision stable dans la pratique Études de cas des systèmes de puissance et d'énergie
7.1 Prévision stable dans la pratique Études de cas des systèmes de puissance et d'énergie（Ⅰ）
7.2 Prévision stable dans la pratique Études de cas des systèmes de puissance et d'énergie（Ⅱ）
7.3 Prévision stable dans la pratique Études de cas des systèmes de puissance et d'énergie（Ⅲ）
- Chapitre 8 Problèmes inverses pour la modélisation mathématique des communautés énergétiques
8.1 Problèmes inverses pour la modélisation mathématique des communautés énergétiques（Ⅰ）
8.2 Problèmes inverses pour la modélisation mathématique des communautés énergétiques（Ⅱ）
8.3 Problèmes inverses pour la modélisation mathématique des communautés énergétiques（Ⅲ）
- Chapitre 9 Méthodes numériques robustes pour les problèmes aux valeurs limites
9.1 Méthodes numériques robustes pour les problèmes aux valeurs limites（Ⅰ）
9.2 Méthodes numériques robustes pour les problèmes aux valeurs limites（Ⅱ）
- Examen final
