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 |
| |