Architecture de l'ordinateur / Robert Strandh

Public ISBD Titre : Architecture de l'ordinateur : portes logiques, circuits combinatoires, arithmétique binaire, circuits séquentiels et mémoires ; exemple d'architecture Type de document : texte imprimé Auteurs : Robert Strandh (1955-....), Auteur ; Irène Durand (1961-....), Auteur Editeur : Paris : Dunod Année de publication : 2005 Collection : Sciences sup Sous-collection : Informatique Importance : 1 vol. (209 p.) Présentation : Ill., tabl., couv. ill. en coul. Format : 22 cm ISBN/ISSN/EAN : 978-2-10-049214-5 Langues : Français (fre) Catégories : Informatique Mots-clés : Architecture des ordinateurs : Problèmes et exercices Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : Cet ouvrage s'adresse aux futurs informaticiens. Son objectif n'est pas de rentrer dans les subtilités de l'architecture de tel ou tel type de processeur, mais de donner les connaissances sur le fonctionnement d'un ordinateur qui permettront à l'informaticien d'optimiser l'efficacité d'un programme et d'anticiper l'impact d'une modification sur la performance de ce programme. La première partie explique les circuits combinatoires, les circuits séquentiels et les mémoires. La seconde partie décrit un exemple d'architecture simple mais complète. La troisième partie introduit des notions comme la mémoire cache, l'adressage virtuel et la multiprogrammation. Ce cours synthétique est accompagné de 50 exercices corrigés. Note de contenu : Sommaire Introduction Notions de base Notions préalables Portes Circuits combinatoires Expressions logiques Circuits combinatoires classiques Arithmétique binaire Circuits pour l'arithmétique binaire Bascules et bistables Circuits séquentiels Circuits séquentiels classiques Logique à trois états Mémoires Exemples d'architecture Eléments de base Le premier ordinateur Extensions du premier ordinateur Entrées/sorties et interruptions Sujets avancés Mémoire cache Multiprogrammation Mémoire virtuelle Annexes Annexe A : le modèle de programmation Annexe B : solutions des exercices Index Côte titre : Fs/9673-9676 Architecture de l'ordinateur : portes logiques, circuits combinatoires, arithmétique binaire, circuits séquentiels et mémoires ; exemple d'architecture [texte imprimé] / Robert Strandh (1955-....), Auteur ; Irène Durand (1961-....), Auteur . - Paris : Dunod, 2005 . - 1 vol. (209 p.) : Ill., tabl., couv. ill. en coul. ; 22 cm. - (Sciences sup. Informatique) . ISBN : 978-2-10-049214-5 Langues : Français (fre) Catégories : Informatique Mots-clés : Architecture des ordinateurs : Problèmes et exercices Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : Cet ouvrage s'adresse aux futurs informaticiens. Son objectif n'est pas de rentrer dans les subtilités de l'architecture de tel ou tel type de processeur, mais de donner les connaissances sur le fonctionnement d'un ordinateur qui permettront à l'informaticien d'optimiser l'efficacité d'un programme et d'anticiper l'impact d'une modification sur la performance de ce programme. La première partie explique les circuits combinatoires, les circuits séquentiels et les mémoires. La seconde partie décrit un exemple d'architecture simple mais complète. La troisième partie introduit des notions comme la mémoire cache, l'adressage virtuel et la multiprogrammation. Ce cours synthétique est accompagné de 50 exercices corrigés. Note de contenu : Sommaire Introduction Notions de base Notions préalables Portes Circuits combinatoires Expressions logiques Circuits combinatoires classiques Arithmétique binaire Circuits pour l'arithmétique binaire Bascules et bistables Circuits séquentiels Circuits séquentiels classiques Logique à trois états Mémoires Exemples d'architecture Eléments de base Le premier ordinateur Extensions du premier ordinateur Entrées/sorties et interruptions Sujets avancés Mémoire cache Multiprogrammation Mémoire virtuelle Annexes Annexe A : le modèle de programmation Annexe B : solutions des exercices Index Côte titre : Fs/9673-9676

Exemplaires (4)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/9673	Fs/9673-9676	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/9674	Fs/9673-9676	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/9675	Fs/9673-9676	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/9676	Fs/9673-9676	livre	Bibliothéque des sciences	Français	Disponible Disponible

Introduction to statistical pattern recognition / Keinosuke Fukunaga

Public ISBD Titre : Introduction to statistical pattern recognition Type de document : texte imprimé Auteurs : Keinosuke Fukunaga Mention d'édition : 2e éd. Editeur : Academic press Année de publication : 1990 Collection : Computer science and scientific computing Importance : 1 vol. (591 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-0-12-269851-4 Catégories : Informatique Mots-clés : Perception des structures Prise de décision: Modèles mathématiques Statistique mathématique Reconnaissance multivues: Méthodes statistiques Perception des formes : Méthodes statistiques Pattern recognition Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : Cette deuxième édition entièrement révisée présente une introduction à la reconnaissance des formes statistiques. La reconnaissance de formes en général couvre un large éventail de problèmes: elle est appliquée à des problèmes d'ingénierie, tels que les lecteurs de caractères et l'analyse des formes d'onde ainsi que la modélisation du cerveau en biologie et en psychologie. La décision et l'estimation statistiques, qui sont les principaux sujets de ce livre, sont considérées comme fondamentales pour l'étude de la reconnaissance des formes. Ce livre est approprié comme texte pour les cours d'introduction à la reconnaissance des formes et comme livre de référence pour les travailleurs sur le terrain. Chaque chapitre contient des projets informatiques ainsi que des exercices. Note de contenu : Sommaire Preface Acknowledgments Chapter 1 Introduction 1.1 Formulation of Pattern Recognition Problems 1.2 Process of Classifier Design Notation References Chapter 2 Random Vectors and Their Properties 2.1 Random Vectors and Their Distributions 2.2 Estimation of Parameters 2.3 Linear Transformation 2.4 Various Properties of Eigenvalues and Eigenvectors Computer Projects Problems References Chapter 3 Hypothesis Testing 3.1 Hypothesis Tests for Two Classes 3.2 Other Hypothesis Tests 3.3 Error Probability in Hypothesis Testing 3.4 Upper Bounds on the Bayes Error 3.5 Sequential Hypothesis Testing Computer Projects Problems References Chapter 4 Parametric Classifiers 4.1 The Bayes Linear Classifier 4.2 Linear Classifier Design 4.3 Quadratic Classifier Design 4.4 Other Classifiers Computer Projects Problems References Chapter5 Parameter Estimation 5.1 Effect of Sample Size in Estimation 5.2 Estimation of Classification Errors 5.3 Holdout, Leave-One-Out, and Resubstitution Methods 5.4 Bootstrap Methods Computer Projects Problems References Chapter 6 Nonparametric Density Estimation 6.1 Parzen Density Estimate 6.2 kNearest Neighbor Density Estimate 6.3 Expansion by Basis Functions Computer Projects Problems References Chapter 7 Nonparametric Classification and Error Estimation 7.1 General Discussion 7.2 Voting kNN Procedure — Asymptotic Analysis 7.3 Voting kNN Procedure — Finite Sample Analysis 7.4 Error Estimation 7.5 Miscellaneous Topics in the kNN Approach Computer Projects Problems References Chapter 8 Successive Parameter Estimation 8.1 Successive Adjustment of a Linear Classifier 8.2 Stochastic Approximation 8.3 Successive Bayes Estimation Computer Projects Problems References Chapter 9 Feature Extraction and Linear Mapping for Signal Representation 9.1 The Discrete Karhunen-Loéve Expansion 9.2 The Karhunen-Loéve Expansion for Random Processes 9.3 Estimation of Eigenvalues and Eigenvectors Computer Projects Problems References Chapter 10 Feature Extraction and Linear Mapping for Classification 10.1 General Problem Formulation 10.2 Discriminant Analysis 10.3 Generalized Criteria 10.4 Nonparametric Discriminant Analysis 10.5 Sequential Selection of Quadratic Features 10.6 Feature Subset Selection Computer Projects Problems References Chapter 11 Clustering 11.1 Parametric Clustering 11.2 Nonparametric Clustering 11.3 Selection of Representatives Computer Projects Problems ReferencesAppendix A Derivatives of Matrices Appendix B Mathematical Formulas Appendix C Normal Error Table Appendix D Gamma Function Table Index Côte titre : Fs/19779 Introduction to statistical pattern recognition [texte imprimé] / Keinosuke Fukunaga  . -  2e éd. . - Florida : Academic press, 1990 . - 1 vol. (591 p.) : ill. ; 24 cm. - (Computer science and scientific computing) . ISBN : 978-0-12-269851-4 Catégories : Informatique Mots-clés : Perception des structures Prise de décision: Modèles mathématiques Statistique mathématique Reconnaissance multivues: Méthodes statistiques Perception des formes : Méthodes statistiques Pattern recognition Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : Cette deuxième édition entièrement révisée présente une introduction à la reconnaissance des formes statistiques. La reconnaissance de formes en général couvre un large éventail de problèmes: elle est appliquée à des problèmes d'ingénierie, tels que les lecteurs de caractères et l'analyse des formes d'onde ainsi que la modélisation du cerveau en biologie et en psychologie. La décision et l'estimation statistiques, qui sont les principaux sujets de ce livre, sont considérées comme fondamentales pour l'étude de la reconnaissance des formes. Ce livre est approprié comme texte pour les cours d'introduction à la reconnaissance des formes et comme livre de référence pour les travailleurs sur le terrain. Chaque chapitre contient des projets informatiques ainsi que des exercices. Note de contenu : Sommaire Preface Acknowledgments Chapter 1 Introduction 1.1 Formulation of Pattern Recognition Problems 1.2 Process of Classifier Design Notation References Chapter 2 Random Vectors and Their Properties 2.1 Random Vectors and Their Distributions 2.2 Estimation of Parameters 2.3 Linear Transformation 2.4 Various Properties of Eigenvalues and Eigenvectors Computer Projects Problems References Chapter 3 Hypothesis Testing 3.1 Hypothesis Tests for Two Classes 3.2 Other Hypothesis Tests 3.3 Error Probability in Hypothesis Testing 3.4 Upper Bounds on the Bayes Error 3.5 Sequential Hypothesis Testing Computer Projects Problems References Chapter 4 Parametric Classifiers 4.1 The Bayes Linear Classifier 4.2 Linear Classifier Design 4.3 Quadratic Classifier Design 4.4 Other Classifiers Computer Projects Problems References Chapter5 Parameter Estimation 5.1 Effect of Sample Size in Estimation 5.2 Estimation of Classification Errors 5.3 Holdout, Leave-One-Out, and Resubstitution Methods 5.4 Bootstrap Methods Computer Projects Problems References Chapter 6 Nonparametric Density Estimation 6.1 Parzen Density Estimate 6.2 kNearest Neighbor Density Estimate 6.3 Expansion by Basis Functions Computer Projects Problems References Chapter 7 Nonparametric Classification and Error Estimation 7.1 General Discussion 7.2 Voting kNN Procedure — Asymptotic Analysis 7.3 Voting kNN Procedure — Finite Sample Analysis 7.4 Error Estimation 7.5 Miscellaneous Topics in the kNN Approach Computer Projects Problems References Chapter 8 Successive Parameter Estimation 8.1 Successive Adjustment of a Linear Classifier 8.2 Stochastic Approximation 8.3 Successive Bayes Estimation Computer Projects Problems References Chapter 9 Feature Extraction and Linear Mapping for Signal Representation 9.1 The Discrete Karhunen-Loéve Expansion 9.2 The Karhunen-Loéve Expansion for Random Processes 9.3 Estimation of Eigenvalues and Eigenvectors Computer Projects Problems References Chapter 10 Feature Extraction and Linear Mapping for Classification 10.1 General Problem Formulation 10.2 Discriminant Analysis 10.3 Generalized Criteria 10.4 Nonparametric Discriminant Analysis 10.5 Sequential Selection of Quadratic Features 10.6 Feature Subset Selection Computer Projects Problems References Chapter 11 Clustering 11.1 Parametric Clustering 11.2 Nonparametric Clustering 11.3 Selection of Representatives Computer Projects Problems ReferencesAppendix A Derivatives of Matrices Appendix B Mathematical Formulas Appendix C Normal Error Table Appendix D Gamma Function Table Index Côte titre : Fs/19779

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/19779	Fs/19779	Livre	Bibliothéque des sciences	Français	Disponible Disponible

Morphologie mathématique / Schmitt, Michel

Public ISBD Titre : Morphologie mathématique Type de document : texte imprimé Auteurs : Schmitt, Michel, Auteur ; Juliette Mattioli, Auteur Mention d'édition : [Nouvelle éd. entièrement revue et mise à jour] Editeur : Paris : Transvalor-Presses des Mines Année de publication : 2013 Collection : Sciences mathématiques et informatique, ISSN 1620-0357 Importance : 1 vol. (241 p.) Présentation : ill., couv. ill. en coul. Format : 24 cm ISBN/ISSN/EAN : 978-2-35671-045-1 Note générale : Bibliogr. p. 233-238. Index Langues : Français (fre) Catégories : Informatique Mathématique Mots-clés : Image processing : Mathematiques Morphologie mathématique Traitement d'images : Modèles mathématiques Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : Comparer une structure inconnue, l'image que l'on étudie, à un ensemble de formes, les éléments structurants dont on maîtrise toutes les caractéristiques, tel est le principe de base de la morphologie mathématique. Cette méthode permet de mettre en évidence un des objets par rapport à son environnement et de déterminer ses caractéristiques géométriques ou topologiques. Les fondements scientifiques de la morphologie mathématique sont exposés, tant du point de vue de l'algèbre que de l'analyse, de la géométrie et des probabilités. Il s'adresse aux étudiants, chercheurs et ingénieurs qui souhaitent, au-delà de l'utilisation pratique des opérateurs en traitement d'images, acquérir des bases solides en morphologie. Cet ouvrage est une réédition entièrement revue et mise à jour par les auteurs. Note de contenu : Sommaire Qu'est-ce que la morphologie mathématique ? Théorie élémentaire des quatre opérations Expression algébrique des opérateurs fondamentaux Topologies et continuités Squelettes Transformations géodésiques Ligne de partage des eaux Mesures morphologiques Métriques non euclidiennes Modèles probabilistes Conclusion et perspectives Côte titre : Fs/16629-16633 Morphologie mathématique [texte imprimé] / Schmitt, Michel, Auteur ; Juliette Mattioli, Auteur  . -  [Nouvelle éd. entièrement revue et mise à jour] . - Paris : Transvalor-Presses des Mines, 2013 . - 1 vol. (241 p.) : ill., couv. ill. en coul. ; 24 cm. - (Sciences mathématiques et informatique, ISSN 1620-0357) . ISBN : 978-2-35671-045-1 Bibliogr. p. 233-238. Index Langues : Français (fre) Catégories : Informatique Mathématique Mots-clés : Image processing : Mathematiques Morphologie mathématique Traitement d'images : Modèles mathématiques Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : Comparer une structure inconnue, l'image que l'on étudie, à un ensemble de formes, les éléments structurants dont on maîtrise toutes les caractéristiques, tel est le principe de base de la morphologie mathématique. Cette méthode permet de mettre en évidence un des objets par rapport à son environnement et de déterminer ses caractéristiques géométriques ou topologiques. Les fondements scientifiques de la morphologie mathématique sont exposés, tant du point de vue de l'algèbre que de l'analyse, de la géométrie et des probabilités. Il s'adresse aux étudiants, chercheurs et ingénieurs qui souhaitent, au-delà de l'utilisation pratique des opérateurs en traitement d'images, acquérir des bases solides en morphologie. Cet ouvrage est une réédition entièrement revue et mise à jour par les auteurs. Note de contenu : Sommaire Qu'est-ce que la morphologie mathématique ? Théorie élémentaire des quatre opérations Expression algébrique des opérateurs fondamentaux Topologies et continuités Squelettes Transformations géodésiques Ligne de partage des eaux Mesures morphologiques Métriques non euclidiennes Modèles probabilistes Conclusion et perspectives Côte titre : Fs/16629-16633

Exemplaires (5)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/16629	Fs/16629-16633	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16630	Fs/16629-16633	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16631	Fs/16629-16633	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16632	Fs/16629-16633	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16633	Fs/16629-16633	Livre	Bibliothéque des sciences	Français	Disponible Disponible

Neural networks for pattern recognition / Christopher M. Bishop

Public ISBD Titre : Neural networks for pattern recognition Type de document : texte imprimé Auteurs : Christopher M. Bishop Editeur : Oxford : Clarendon Press Année de publication : 1995 Importance : xvii, 482 p. Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-0-19-853864-6 Catégories : Informatique Mots-clés : Réseaux neuronaux (informatique) Reconnaissance multivues Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : C'est le premier traitement complet des réseaux de neurones à action directe du point de vue de la reconnaissance des formes statistiques. Après avoir présenté les concepts de base, le livre examine les techniques de modélisation des fonctions de densité de probabilité et les propriétés et mérites des modèles de réseaux perceptron multi-couche et de base radiale. Sont également abordées diverses formes de fonctions d'erreur, les algorithmes principaux pour la minimisation de la fonction d'erreur, l'apprentissage et la généralisation dans les réseaux de neurones, et les techniques bayésiennes et leurs applications. Conçu comme un texte, avec plus de 100 exercices, ce travail entièrement à jour bénéficiera à toute personne impliquée dans les domaines du calcul neuronal et de la reconnaissance de formes. Note de contenu : Sommaire : 1, Statistical pattern recognition 2, Probability density estimation 3, Single-layer networks 4, The multi-layer perceptron 5, Radial basis functions 6, Error functions 7, Parameter optimization algorithms 8, Pre-processing and feature extraction 9, Learning and generalization 10, Bayesian techniques Côte titre : Fs/19808 Neural networks for pattern recognition [texte imprimé] / Christopher M. Bishop . - Oxford : Clarendon Press, 1995 . - xvii, 482 p. : ill. ; 24 cm. ISBN : 978-0-19-853864-6 Catégories : Informatique Mots-clés : Réseaux neuronaux (informatique) Reconnaissance multivues Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : C'est le premier traitement complet des réseaux de neurones à action directe du point de vue de la reconnaissance des formes statistiques. Après avoir présenté les concepts de base, le livre examine les techniques de modélisation des fonctions de densité de probabilité et les propriétés et mérites des modèles de réseaux perceptron multi-couche et de base radiale. Sont également abordées diverses formes de fonctions d'erreur, les algorithmes principaux pour la minimisation de la fonction d'erreur, l'apprentissage et la généralisation dans les réseaux de neurones, et les techniques bayésiennes et leurs applications. Conçu comme un texte, avec plus de 100 exercices, ce travail entièrement à jour bénéficiera à toute personne impliquée dans les domaines du calcul neuronal et de la reconnaissance de formes. Note de contenu : Sommaire : 1, Statistical pattern recognition 2, Probability density estimation 3, Single-layer networks 4, The multi-layer perceptron 5, Radial basis functions 6, Error functions 7, Parameter optimization algorithms 8, Pre-processing and feature extraction 9, Learning and generalization 10, Bayesian techniques Côte titre : Fs/19808

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/19808	Fs/19808	Livre	Bibliothéque des sciences	Français	Disponible Disponible

Pattern classification / Richard O. Duda

Public ISBD Titre : Pattern classification Type de document : texte imprimé Auteurs : Richard O. Duda ; Peter E. Hart ; David G. Stork Mention d'édition : 2nd ed. Editeur : New York : Wiley Année de publication : 2001 Importance : 1 vol. (654 p.) Présentation : ill. Format : 27 cm ISBN/ISSN/EAN : 978-0-471-05669-0 Note générale : "A Wiley-Interscience Publication." Catégories : Informatique Mots-clés : Prise de décision (statistique) Reconnaissance multivues Intelligence artificielle Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : 560/5000 Langue source : Anglais La première édition, publiée en 1973, est devenue une référence classique dans le domaine. Maintenant, avec la deuxième édition, les lecteurs trouveront des informations sur de nouveaux sujets clés tels que les réseaux neuronaux et la reconnaissance des formes statistiques, la théorie de l'apprentissage automatique et la théorie des invariances. Sont également inclus des exemples travaillés, des comparaisons entre différentes méthodes, des graphiques étendus, des exercices étendus et des sujets de projets informatiques. Un manuel d'instructeur présentant des solutions détaillées à tous les problèmes du livre est disponible auprès du service éditorial de Wiley. Note de contenu : Sommaire Introduction Bayesian Decision Theory. Maximum–Likelihood and Bayesian Parameter Estimation. Nonparametric Techniques. Linear Discriminant Functions. Multilayer Neural Networks. Stochastic Methods. Nonmetric Methods. Algorithm–Independent Machine Learning. Unsupervised Learning and Clustering. Appendix. Index. Côte titre : Fs/19817 Pattern classification [texte imprimé] / Richard O. Duda ; Peter E. Hart ; David G. Stork  . -  2nd ed. . - New York : Wiley, 2001 . - 1 vol. (654 p.) : ill. ; 27 cm. ISBN : 978-0-471-05669-0 "A Wiley-Interscience Publication." Catégories : Informatique Mots-clés : Prise de décision (statistique) Reconnaissance multivues Intelligence artificielle Index. décimale : 006.4 Reconnaissance des formes par ordinateur Résumé : 560/5000 Langue source : Anglais La première édition, publiée en 1973, est devenue une référence classique dans le domaine. Maintenant, avec la deuxième édition, les lecteurs trouveront des informations sur de nouveaux sujets clés tels que les réseaux neuronaux et la reconnaissance des formes statistiques, la théorie de l'apprentissage automatique et la théorie des invariances. Sont également inclus des exemples travaillés, des comparaisons entre différentes méthodes, des graphiques étendus, des exercices étendus et des sujets de projets informatiques. Un manuel d'instructeur présentant des solutions détaillées à tous les problèmes du livre est disponible auprès du service éditorial de Wiley. Note de contenu : Sommaire Introduction Bayesian Decision Theory. Maximum–Likelihood and Bayesian Parameter Estimation. Nonparametric Techniques. Linear Discriminant Functions. Multilayer Neural Networks. Stochastic Methods. Nonmetric Methods. Algorithm–Independent Machine Learning. Unsupervised Learning and Clustering. Appendix. Index. Côte titre : Fs/19817

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/19817	Fs/19817	Livre	Bibliothéque des sciences	Anglais	Disponible Disponible

Pattern recognition and machine learning / Christopher M. Bishop

Permalink

---

1 (1 - 6 / 6)