|
La première partie du cours pose le problème dans le cadre linéaire (régression linéaire, discrimination linéaire) puis abordera le problème d'estimation de performances.
Dans la seconde partie, le cours se concentrera sur les estimateurs non linéaires comme les réseaux de neurones de type « perceptrons multicouches », fonctions de base radiales et les cartes de Kohonen. Dans cette partie, une classification des différentes approches connexionnistes sera aussi évoquée et une technique d'apprentissage courante (la rétropropagation) sera étudiée en détails.
La dernière partie du cours portera sur la notion de modèles graphiques, et particulièrement les réseaux bayesiens en abordant les problèmes d'inférence, d'apprentissage et éventuellement les "extensions" de ces modèles (temporelle, pour le diagnostic, ...).
|
