University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'indexation
Ouvrages de la bibliothèque en indexation 006.3
Ajouter le résultat dans votre panier Affiner la recherche
Introduction au deep learning / Eugene Charniak
Titre : Introduction au deep learning Type de document : texte imprimé Auteurs : Eugene Charniak, Auteur ; Anne Bohy, Traducteur Editeur : Dunod Année de publication : 2021 Importance : 1 vol. (162 p.) Format : 24 cm ISBN/ISSN/EAN : 978-2-10-081926-3 Note générale : Bibliogr. et webliogr. p. 153-155. Index Langues : Français (fre) Catégories : Informatique Mots-clés : Intelligence artificielle Index. décimale : 006.3 Intelligence artificielle Résumé :
Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs.L'apprentissage profond (deep learning) a révolutionné l'intelligence artificielle et s'est très rapidement répandu dans de nombreux domaines d'activité.Grâce à une approche « orientée projet », ce livre a pour but d'expliquer les bases du deep learning, depuis les réseaux de neurones à propagation avant jusqu'aux réseaux non supervisés.Conçu comme un manuel d'apprentissage synthétique, avec cours et exercices, il s'appuie sur des exemples dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l'apprentissage par renforcement.Ces exemples sont étudiés avec le logiciel TensorFlow.Les notions théoriques sont illustrées et complétées par une quarantaine d'exercices, dont la moitié sont corrigés.Côte titre : Fs/24802-24804 Introduction au deep learning [texte imprimé] / Eugene Charniak, Auteur ; Anne Bohy, Traducteur . - [S.l.] : Dunod, 2021 . - 1 vol. (162 p.) ; 24 cm.
ISBN : 978-2-10-081926-3
Bibliogr. et webliogr. p. 153-155. Index
Langues : Français (fre)
Catégories : Informatique Mots-clés : Intelligence artificielle Index. décimale : 006.3 Intelligence artificielle Résumé :
Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs.L'apprentissage profond (deep learning) a révolutionné l'intelligence artificielle et s'est très rapidement répandu dans de nombreux domaines d'activité.Grâce à une approche « orientée projet », ce livre a pour but d'expliquer les bases du deep learning, depuis les réseaux de neurones à propagation avant jusqu'aux réseaux non supervisés.Conçu comme un manuel d'apprentissage synthétique, avec cours et exercices, il s'appuie sur des exemples dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l'apprentissage par renforcement.Ces exemples sont étudiés avec le logiciel TensorFlow.Les notions théoriques sont illustrées et complétées par une quarantaine d'exercices, dont la moitié sont corrigés.Côte titre : Fs/24802-24804 Exemplaires (3)
Code-barres Cote Support Localisation Section Disponibilité Fs/24802 Fs/24802-24804 livre Bibliothéque des sciences Français Disponible
DisponibleFs/24803 Fs/24802-24804 livre Bibliothéque des sciences Français Disponible
DisponibleFs/24804 Fs/24802-24804 livre Bibliothéque des sciences Français Disponible
DisponibleIntroduction au machine learning / Chloé-Agathe Azencott
Titre : Introduction au machine learning Type de document : texte imprimé Auteurs : Chloé-Agathe Azencott, Auteur Editeur : Paris : Dunod Année de publication : 2017 Importance : 1 vol. (227 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-10-078080-8 Note générale : 978-2-10-078080-8 Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique Index. décimale : 006.3 Intelligence artificielle Résumé :
Le machine learning (apprentissage automatique) est au coeur des data sciences et s'applique à une multitude de domaines tels que la reconnaissance des visages par ordinateur, la traduction automatique d'une langue à l'autre, la conduite automobile automatique, la publicité ciblée, l'analyse des réseaux sociaux, le trading financier, ...
Ce livre propose une introduction aux concepts et aux algorithmes qui fondent le machine learning.
Son objectif est de fournir au lecteur les outils pour :
- identifier les problèmes qui peuvent être résolus par du machine learning,
- formaliser ces problèmes en termes de machine learning,
- identifier les algorithmes appropriés et les mettre en oeuvre,
- savoir évaluer et comparer les performances de plusieurs algorithmes.
Chaque chapitre est complété par des exercices corrigés.Note de contenu :
Sommaire
Qu'est-ce que le machine learning
Apprentissage supervisé
Sélection de modèles et évaluation
Inférence bayésienne
Régressions paramétriques
Régularisation.
Réseaux de neurones artificiels
Méthodes des plus proches voisins
Arbres et forêt
Machines à vecteurs de support
Réduction de dimension
ClusteringCôte titre : Fs/23349
Introduction au machine learning [texte imprimé] / Chloé-Agathe Azencott, Auteur . - Paris : Dunod, 2017 . - 1 vol. (227 p.) : ill. ; 24 cm.
ISBN : 978-2-10-078080-8
978-2-10-078080-8
Langues : Français (fre)
Catégories : Informatique Mots-clés : Informatique Index. décimale : 006.3 Intelligence artificielle Résumé :
Le machine learning (apprentissage automatique) est au coeur des data sciences et s'applique à une multitude de domaines tels que la reconnaissance des visages par ordinateur, la traduction automatique d'une langue à l'autre, la conduite automobile automatique, la publicité ciblée, l'analyse des réseaux sociaux, le trading financier, ...
Ce livre propose une introduction aux concepts et aux algorithmes qui fondent le machine learning.
Son objectif est de fournir au lecteur les outils pour :
- identifier les problèmes qui peuvent être résolus par du machine learning,
- formaliser ces problèmes en termes de machine learning,
- identifier les algorithmes appropriés et les mettre en oeuvre,
- savoir évaluer et comparer les performances de plusieurs algorithmes.
Chaque chapitre est complété par des exercices corrigés.Note de contenu :
Sommaire
Qu'est-ce que le machine learning
Apprentissage supervisé
Sélection de modèles et évaluation
Inférence bayésienne
Régressions paramétriques
Régularisation.
Réseaux de neurones artificiels
Méthodes des plus proches voisins
Arbres et forêt
Machines à vecteurs de support
Réduction de dimension
ClusteringCôte titre : Fs/23349
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/23349 Fs/23349 livre Bibliothéque des sciences Français Disponible
Sorti jusqu'au 29/06/2020Knowledge engineering and management / Guus Schreiber
Titre : Knowledge engineering and management : The CommonKADS methodology Type de document : texte imprimé Auteurs : Guus Schreiber Editeur : Cambridge, Mass. : MIT Press Année de publication : 2000 Importance : 1 vol (455 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-0-262-19300-9 Note générale : "A Bradford book." Catégories : Informatique Mots-clés : Gestion des connaissances
Bases de données : Gestion
Systèmes experts (informatique)Index. décimale : 006.3 Intelligence artificielle Résumé :
Les disciplines de l'ingénierie des connaissances et de la gestion des connaissances sont étroitement liées. L'ingénierie des connaissances traite du développement de systèmes d'information dans lesquels la connaissance et le raisonnement jouent un rôle central. La gestion des connaissances, un domaine nouvellement développé à l'intersection de l'informatique et de la gestion, traite de la connaissance comme une ressource clé dans les organisations modernes. La gestion des connaissances au sein d'une organisation est inconcevable sans l'utilisation de systèmes d'information avancés; la conception et la mise en œuvre de tels systèmes posent une grande organisation ainsi que des défis techniques. Le livre couvre de manière intégrée la gestion complète des connaissances, l'analyse et l'ingénierie des connaissances, la conception et la mise en œuvre de systèmes d'information à forte intensité de connaissance. La méthodologie CommonKADS, développée au cours de la dernière décennie par un consortium industrie-université dirigé par les auteurs, est utilisée tout au long du livre. CommonKADS utilise autant que possible la nouvelle norme de notation UML. Au-delà des applications de systèmes d'information, tous les projets de génie logiciel et de systèmes informatiques dans lesquels les connaissances jouent un rôle important devraient bénéficier de la méthodologie CommonKADS.Note de contenu :
Sommaire
Preface
1 Prologue: The Value of Knowledge
1.1 The Information Society Is KnowlegdeDriven
1.2 Knowledge in Context
1.3 Knowledge Engineering and Knowledge Systems
1.4 Book Overview
1.5 A Road Map for the Reader
1.6 Bibliographical Notes and Further Reading
2 KnowledgeEngineering Basics
2.1 Historical Perspective
2.2 The Methodological Pyramid
2.3 Principles
2.4 Model Suite
2.5 Process Roles
2.6 Some Terminology
2.7 Bibliographical Notes and Further Reading
3 The Task and Its Organizational Context
3.1 Why Organizational Aspects Are So Important
3.2 The Main Steps in Task and Organization Analysis
3.3 The Feasibility Study: Organization Modelling
3.4 Case: Social Security Services
3.5 Impact and Improvement Analysis: Task and Agent Modelling
3.6 Case: IceCream Product Development
3.7 Guidelines for the Context Modelling Process
3.8 Bibliographical Notes and Further Reading
4 Knowledge Management
4.1 Introduction
4.2 Explicit and Tacit Knowledge
4.3 The Knowledge Management Cycle
4.4 Knowledge Management Has a Value and Process Focus
4.5 Knowledge Management with CommonKADS
4.6 Knowledge Management and Knowledge Engineering
4.7 Bibliographical Notes and Further Reading
5 Knowledge Model Components
5.1 The Nature of "Knowledge"
5.2 Challenges in Representing Knowledge
5.3 The Knowledge Model
5.4 Domain Knowledge
5.5 Inference Knowledge
5.6 Task Knowledge
5.7 Typographic Conventions
5.8 Comparison with Other Analysis Approaches
5.9 Bibliographical Notes and Further Reading
6 Template Knowledge Models
6.1 Reusing KnowledgeModel Elements
6.2 ASmall Rask Template Catalog
6.3 Classification
6.4 Assessment
6.5 Diagnosis
6.6 Monitoring
6.7 Synthesis
6.8 Configuration Design
6.9 Assignment
6.10 Planning
6.11 Scheduling
6.12 TaskType Combinations
6.13 Relation to Task and Organization Models
6.14 Bibliographical Notes and Further Reading
7 Knowledge Model Construction
7.1 Introduction
7.2 Stages in KnowledgeModel Construction
7.3 Knowledge Identification
7.4 Knowledge Specification
7.5 Knowledge Refinement
7.6 Some Remarks about KnowledgeModel Maintenance
7.7 Documenting the Knowledge Model
7.8 Bibliographical Notes and Further Reading
8 KnowledgeElicitation Techniques
8.1 Introduction
8.2 Characteristics of Knowledge Elicitation
8.3 On Experts
8.4 Elicitation Scenario
8.5 An Elicitation Scenario
8.6 Some Final Remarks
8.7 Bibliographical Notes and Further Reading
9 Modelling Communication Aspects
9.1 Role and Overview of the Communication Model
9.2 The Communication Plan
9.3 Case: Homebots A Multiagent System for Energy Management
9.4 Transactions between Agents
9.5 Detailing the Information Exchange
9.6 The Homebots System Example Continued
9.7 Validating and Balancing the Communication Model
9.8 A Structured Process for Communication Modelling
9.9 Bibliographical Notes and Further Reading
10 Case Study: The Housing Application
10.1 Introduction
10.2 Application Domain: Rental Residence Assignment
10.3 Organization Model
10.4 Task Model
10.5 Agent Model
10.6 Sumamry of Proposed Solution and Its Effects
10.7 Knowledge Modelling
10.8 Communication Model
11 Designing Knowledge Systems
11.1 Introduction
11.2 StructurePreserving Design
11.3 Step 1: Design System Architecture
11.4 Step 2: Identify Target Implementation Platform
11.5 Step 3: Specify Architectural Components
11.6 Step 4: Specify Application within Architecture
11.7 Design Prototypes
11.8 Distrubuted Architectures
11.9 Bibliographical Notes and Further Reading
12 KnowledgeSystem Implementation
12.1 Implementation in Prolog
12.2 Implementation in Aion
12.3 Bibliographical Notes and Further Reading
13 Advanced Knowledge Modelling
13.1 Introduction
13.2 Domain Knowledge
13.3 Inference Knowledge
13.4 Task Knowledge
13.5 Bibliographical Notes and Further Reading
14 UML Notations Used in CommonKADS
14.1 UML Background
14.2 Activity Diagram
14.3 State Diagram
14.4 Class Diagram
14.5 UseCase Diagram
14.6 General UML Constructs
14.7 A Small Case Study
14.8 Bibliographical Notes and Further Reading
15 Project Management
15.1 Control versus Flexibility: Striking the Balance
15.2 Project Planning: The CommonKADS LifeCycle Model
15.3 Assessing Risks
15.4 Plan: Setting Objectives through Model States
15.5 Notes on Quality and Project Documentation
15.6 Case: A Project on Nuclear Reactor Noise Analysis
15.7 How Not to Manage a KnowledgeSystem Project
15.8 Bibliographical Notes and Further Reading
Appendix: KnowledgeModel Language
A.1 Language Conventions
A.2 Language Syntax
A.3 Full Knowledge Model for the Housing Application
Glossary of Graphical Notations
References
IndexCôte titre : Fs/19786 Knowledge engineering and management : The CommonKADS methodology [texte imprimé] / Guus Schreiber . - Cambridge, Mass. : MIT Press, 2000 . - 1 vol (455 p.) : ill. ; 24 cm.
ISBN : 978-0-262-19300-9
"A Bradford book."
Catégories : Informatique Mots-clés : Gestion des connaissances
Bases de données : Gestion
Systèmes experts (informatique)Index. décimale : 006.3 Intelligence artificielle Résumé :
Les disciplines de l'ingénierie des connaissances et de la gestion des connaissances sont étroitement liées. L'ingénierie des connaissances traite du développement de systèmes d'information dans lesquels la connaissance et le raisonnement jouent un rôle central. La gestion des connaissances, un domaine nouvellement développé à l'intersection de l'informatique et de la gestion, traite de la connaissance comme une ressource clé dans les organisations modernes. La gestion des connaissances au sein d'une organisation est inconcevable sans l'utilisation de systèmes d'information avancés; la conception et la mise en œuvre de tels systèmes posent une grande organisation ainsi que des défis techniques. Le livre couvre de manière intégrée la gestion complète des connaissances, l'analyse et l'ingénierie des connaissances, la conception et la mise en œuvre de systèmes d'information à forte intensité de connaissance. La méthodologie CommonKADS, développée au cours de la dernière décennie par un consortium industrie-université dirigé par les auteurs, est utilisée tout au long du livre. CommonKADS utilise autant que possible la nouvelle norme de notation UML. Au-delà des applications de systèmes d'information, tous les projets de génie logiciel et de systèmes informatiques dans lesquels les connaissances jouent un rôle important devraient bénéficier de la méthodologie CommonKADS.Note de contenu :
Sommaire
Preface
1 Prologue: The Value of Knowledge
1.1 The Information Society Is KnowlegdeDriven
1.2 Knowledge in Context
1.3 Knowledge Engineering and Knowledge Systems
1.4 Book Overview
1.5 A Road Map for the Reader
1.6 Bibliographical Notes and Further Reading
2 KnowledgeEngineering Basics
2.1 Historical Perspective
2.2 The Methodological Pyramid
2.3 Principles
2.4 Model Suite
2.5 Process Roles
2.6 Some Terminology
2.7 Bibliographical Notes and Further Reading
3 The Task and Its Organizational Context
3.1 Why Organizational Aspects Are So Important
3.2 The Main Steps in Task and Organization Analysis
3.3 The Feasibility Study: Organization Modelling
3.4 Case: Social Security Services
3.5 Impact and Improvement Analysis: Task and Agent Modelling
3.6 Case: IceCream Product Development
3.7 Guidelines for the Context Modelling Process
3.8 Bibliographical Notes and Further Reading
4 Knowledge Management
4.1 Introduction
4.2 Explicit and Tacit Knowledge
4.3 The Knowledge Management Cycle
4.4 Knowledge Management Has a Value and Process Focus
4.5 Knowledge Management with CommonKADS
4.6 Knowledge Management and Knowledge Engineering
4.7 Bibliographical Notes and Further Reading
5 Knowledge Model Components
5.1 The Nature of "Knowledge"
5.2 Challenges in Representing Knowledge
5.3 The Knowledge Model
5.4 Domain Knowledge
5.5 Inference Knowledge
5.6 Task Knowledge
5.7 Typographic Conventions
5.8 Comparison with Other Analysis Approaches
5.9 Bibliographical Notes and Further Reading
6 Template Knowledge Models
6.1 Reusing KnowledgeModel Elements
6.2 ASmall Rask Template Catalog
6.3 Classification
6.4 Assessment
6.5 Diagnosis
6.6 Monitoring
6.7 Synthesis
6.8 Configuration Design
6.9 Assignment
6.10 Planning
6.11 Scheduling
6.12 TaskType Combinations
6.13 Relation to Task and Organization Models
6.14 Bibliographical Notes and Further Reading
7 Knowledge Model Construction
7.1 Introduction
7.2 Stages in KnowledgeModel Construction
7.3 Knowledge Identification
7.4 Knowledge Specification
7.5 Knowledge Refinement
7.6 Some Remarks about KnowledgeModel Maintenance
7.7 Documenting the Knowledge Model
7.8 Bibliographical Notes and Further Reading
8 KnowledgeElicitation Techniques
8.1 Introduction
8.2 Characteristics of Knowledge Elicitation
8.3 On Experts
8.4 Elicitation Scenario
8.5 An Elicitation Scenario
8.6 Some Final Remarks
8.7 Bibliographical Notes and Further Reading
9 Modelling Communication Aspects
9.1 Role and Overview of the Communication Model
9.2 The Communication Plan
9.3 Case: Homebots A Multiagent System for Energy Management
9.4 Transactions between Agents
9.5 Detailing the Information Exchange
9.6 The Homebots System Example Continued
9.7 Validating and Balancing the Communication Model
9.8 A Structured Process for Communication Modelling
9.9 Bibliographical Notes and Further Reading
10 Case Study: The Housing Application
10.1 Introduction
10.2 Application Domain: Rental Residence Assignment
10.3 Organization Model
10.4 Task Model
10.5 Agent Model
10.6 Sumamry of Proposed Solution and Its Effects
10.7 Knowledge Modelling
10.8 Communication Model
11 Designing Knowledge Systems
11.1 Introduction
11.2 StructurePreserving Design
11.3 Step 1: Design System Architecture
11.4 Step 2: Identify Target Implementation Platform
11.5 Step 3: Specify Architectural Components
11.6 Step 4: Specify Application within Architecture
11.7 Design Prototypes
11.8 Distrubuted Architectures
11.9 Bibliographical Notes and Further Reading
12 KnowledgeSystem Implementation
12.1 Implementation in Prolog
12.2 Implementation in Aion
12.3 Bibliographical Notes and Further Reading
13 Advanced Knowledge Modelling
13.1 Introduction
13.2 Domain Knowledge
13.3 Inference Knowledge
13.4 Task Knowledge
13.5 Bibliographical Notes and Further Reading
14 UML Notations Used in CommonKADS
14.1 UML Background
14.2 Activity Diagram
14.3 State Diagram
14.4 Class Diagram
14.5 UseCase Diagram
14.6 General UML Constructs
14.7 A Small Case Study
14.8 Bibliographical Notes and Further Reading
15 Project Management
15.1 Control versus Flexibility: Striking the Balance
15.2 Project Planning: The CommonKADS LifeCycle Model
15.3 Assessing Risks
15.4 Plan: Setting Objectives through Model States
15.5 Notes on Quality and Project Documentation
15.6 Case: A Project on Nuclear Reactor Noise Analysis
15.7 How Not to Manage a KnowledgeSystem Project
15.8 Bibliographical Notes and Further Reading
Appendix: KnowledgeModel Language
A.1 Language Conventions
A.2 Language Syntax
A.3 Full Knowledge Model for the Housing Application
Glossary of Graphical Notations
References
IndexCôte titre : Fs/19786 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/19786 Fs/19786 Livre Bibliothéque des sciences Français Disponible
DisponibleLogic for artificial intelligence & information technology / Dov M. Gabbay
Titre : Logic for artificial intelligence & information technology Autre titre : L Type de document : texte imprimé Auteurs : Dov M. Gabbay Editeur : London : College Publications Année de publication : 2007 Importance : 1 vol (566 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-1-904987-39-0 Catégories : Informatique Mots-clés : Logique:programmation
intelligence artificielleIndex. décimale : 006.3 Intelligence artificielle Résumé :
Logique pour l'intelligence artificielle et la technologie de l'information est basée sur des notes d'étudiants utilisés pour enseigner la logique aux étudiants de deuxième année et l'intelligence artificielle aux étudiants diplômés de l'Université de Londres depuis 1984, d'abord à l'Imperial College puis au King's College. La logique a été appliquée à une grande variété de sujets tels que l'informatique théorique, l'ingénierie logicielle, la conception de matériel, la programmation logique, la linguistique computationnelle et l'intelligence artificielle. De cette façon, il a servi à stimuler la recherche pour des fondements conceptuels clairs. Au cours des 20 dernières années, de nombreuses extensions de la logique classique telles que les logiques temporelles, modales, de pertinence, floues, probabilistes et non monotones ont été largement utilisées en informatique et en intelligence artificielle, nécessitant de nouvelles formulations de la logique classique. donner l'effet des nouvelles logiques appliquées. Le texte introduit la logique classique d'une manière orientée vers un but qui peut facilement dévier vers d'autres logiques appliquées. Il définit les nombreux types de logiques et les différences entre eux. Dov Gabbay, FRSC, FAvH, FRSA, FBCS, est professeur de logique Augustus De Morgan à l'Université de Londres. Il a écrit plus de 300 articles en logique et plus de 20 livres. Il est rédacteur en chef de plusieurs revues de premier plan et a publié plus de 50 manuels de volumes logiques. Il est une autorité mondiale sur la logique appliquée et est l'un des administrateurs et fondateur de la charité britannique, la Fédération internationale de la logique computationnelleCôte titre : fs/19791 Logic for artificial intelligence & information technology ; L [texte imprimé] / Dov M. Gabbay . - London : College Publications, 2007 . - 1 vol (566 p.) : ill. ; 24 cm.
ISBN : 978-1-904987-39-0
Catégories : Informatique Mots-clés : Logique:programmation
intelligence artificielleIndex. décimale : 006.3 Intelligence artificielle Résumé :
Logique pour l'intelligence artificielle et la technologie de l'information est basée sur des notes d'étudiants utilisés pour enseigner la logique aux étudiants de deuxième année et l'intelligence artificielle aux étudiants diplômés de l'Université de Londres depuis 1984, d'abord à l'Imperial College puis au King's College. La logique a été appliquée à une grande variété de sujets tels que l'informatique théorique, l'ingénierie logicielle, la conception de matériel, la programmation logique, la linguistique computationnelle et l'intelligence artificielle. De cette façon, il a servi à stimuler la recherche pour des fondements conceptuels clairs. Au cours des 20 dernières années, de nombreuses extensions de la logique classique telles que les logiques temporelles, modales, de pertinence, floues, probabilistes et non monotones ont été largement utilisées en informatique et en intelligence artificielle, nécessitant de nouvelles formulations de la logique classique. donner l'effet des nouvelles logiques appliquées. Le texte introduit la logique classique d'une manière orientée vers un but qui peut facilement dévier vers d'autres logiques appliquées. Il définit les nombreux types de logiques et les différences entre eux. Dov Gabbay, FRSC, FAvH, FRSA, FBCS, est professeur de logique Augustus De Morgan à l'Université de Londres. Il a écrit plus de 300 articles en logique et plus de 20 livres. Il est rédacteur en chef de plusieurs revues de premier plan et a publié plus de 50 manuels de volumes logiques. Il est une autorité mondiale sur la logique appliquée et est l'un des administrateurs et fondateur de la charité britannique, la Fédération internationale de la logique computationnelleCôte titre : fs/19791 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/19791 Fs/19791 Livre Bibliothéque des sciences Français Disponible
DisponibleLa logique floue / Bernadette Bouchon-Meunier
Titre : La logique floue : Exercices corrigés et exemples d'applications Type de document : texte imprimé Auteurs : Bernadette Bouchon-Meunier, Auteur ; Laurent Foulloy, Auteur ; Ramdani, Mohammed, Auteur Editeur : Toulouse : Cépaduès-éd. Année de publication : 1998 Importance : 1 vol (200 p.) Présentation : ill. Format : 21 cm ISBN/ISSN/EAN : 978-2-85428-469-0 Note générale : 2-85428-469-0 Langues : Français (fre) Catégories : Mathématique Mots-clés : Mathématique
logique floueIndex. décimale : 006.3 Intelligence artificielle Résumé :
La 4e de couverture indique : "Ce livre présente la logique floue sous l'angle de son utilisation. Son but est de faire comprendre comment fonctionne la logique floue, de démystifier les concepts théoriques et, en même temps, de montrer l'aspect rigoureux des différentes techniques disponibles"
Côte titre : Fs/23006-23007 La logique floue : Exercices corrigés et exemples d'applications [texte imprimé] / Bernadette Bouchon-Meunier, Auteur ; Laurent Foulloy, Auteur ; Ramdani, Mohammed, Auteur . - Toulouse : Cépaduès-éd., 1998 . - 1 vol (200 p.) : ill. ; 21 cm.
ISBN : 978-2-85428-469-0
2-85428-469-0
Langues : Français (fre)
Catégories : Mathématique Mots-clés : Mathématique
logique floueIndex. décimale : 006.3 Intelligence artificielle Résumé :
La 4e de couverture indique : "Ce livre présente la logique floue sous l'angle de son utilisation. Son but est de faire comprendre comment fonctionne la logique floue, de démystifier les concepts théoriques et, en même temps, de montrer l'aspect rigoureux des différentes techniques disponibles"
Côte titre : Fs/23006-23007 Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité Fs/23006 Fs/23006-23007 livre Bibliothéque des sciences Français Disponible
DisponibleFs/23007 Fs/23006-23007 livre Bibliothéque des sciences Français Disponible
DisponibleMachine Learning / R.S. Michalski
PermalinkMining the social web / Matthew A. Russell
PermalinkMulti-agent systems / Jacques Ferber
PermalinkMultiagent systems / Yoav Shoham
PermalinkObstacle avoidance in multi-robot systems :Experiments in parallel genetic algorithms / GILL,Mark A. C.
PermalinkOntologies et modélisation par SMA en SHS
PermalinkParadigms of artificial intelligence programming / Peter Norvig
PermalinkPratique de la data science avec R / Christian Paroissin
PermalinkPython & Pandas et les 36 problèmes de data science / Frédéric Bro
PermalinkUnderstanding artificial intelligence / Albert Chun-Chen Liu
Permalink