Chapitre 2. Réseaux de neurones et approximation de fonction

Table des matières

Introduction
1. Problème de l'approximation de fonction
1.1. Principe
1.2. Conditions
1.3. Mise en oeuvre
1.4. Quelques méthodes d'approximation de fonction
2. Les réseaux GRBF
2.1. Architecture
2.2. Répartition des prototypes
2.3. Apprentissage de la seconde couche
2.4. Méthode incrémentale
2.5. Discussion
3. Le perceptron multicouche
3.1. Architecture
3.2. Rétropropagation
3.3. Discussion
4. Réseaux d'ordre supérieur
4.1. Pourquoi utiliser l'ordre supérieur
4.2. Réseau SQUARE-MLP
4.3. HPU
4.4. Pi-Sigma
4.5. RPN
4.6. Discussion
Conclusion