Aperçu
Explorez le développement historique des réseaux neuronaux, des neurones de McCulloch-Pitts à la rétropropagation, en couvrant des modèles clés comme les perceptrons, ADALINE, les réseaux de Hopfield, les machines de Boltzmann et les perceptrons multicouches.
Programme
-
- Introduction aux réseaux de neurones
-- Aperçu des réseaux de neurones et leur importance
-- Brève histoire et jalons dans le développement des réseaux de neurones
- La naissance des réseaux de neurones
-- Neurones de McCulloch-Pitts
-- Modèles initiaux et leurs limitations
- Montée des modèles d'apprentissage supervisé
-- Perceptrons
--- Perceptrons monocouche
--- Algorithme d'apprentissage du perceptron
-- ADALINE (neurone linéaire adaptatif)
--- Règle delta
--- Différences entre Perceptron et ADALINE
- Réseaux de Hopfield
-- Réseaux de neurones récurrents et contribution de Hopfield
-- Dynamique et applications des réseaux de Hopfield
- Machines de Boltzmann
-- Introduction aux modèles stochastiques
-- Modèles basés sur l'énergie dans les réseaux de neurones
-- Machines de Boltzmann contraintes
- Du shallow learning au deep learning
-- Perceptrons multicouches (MLP)
--- Architecture des perceptrons multicouches
--- Fonctions d'activation
-- Introduction au rétropropagation
--- Entraînement des perceptrons multicouches
--- Défis et solutions dans l'entraînement
- Sujets avancés dans les réseaux de neurones (optionnel)
-- Deep learning et innovations modernes
-- Autres modèles et variantes notables
- Conclusion et perspectives d'avenir
-- Récapitulatif des principaux développements
-- Tendances émergentes dans les réseaux de neurones
- Conclusion du cours
-- Résumé et points clés
-- Ressources supplémentaires et lectures complémentaires
Enseigné par
Étiquettes
On-Demand
