Les réseaux de neurones formels sont des opérateurs modulaires

non linéaires permettant de résoudre de nombreux problèmes

industriels de modélisation, de commande de processus, et de

reconnaissance des formes. Cet ouvrage introduit les outils

algorithmiques et statistiques nécessaires à leur mise en oeuvre efficace.

Afin d'aider le concepteur à décider de la pertinence de leur utilisation,

les réseaux de neurones sont situés par rapport à des opérateurs plus

simples, comme des polynômes ou des sommes de gaussiennes. Les

propriétés de ces derniers sont exposées, avant d'être étendues aux

réseaux de neurones.

L'apprentissage des réseaux de neurones, autrement dit l'estimation de

leurs paramètres, est exposé de façon unifiée et détaillée, aussi bien

pour des modèles statiques ou des classifieurs, que pour des modèles

dynamiques ou des correcteurs. Cette présentation est complétée par

l'évaluation de la confiance à accorder aux estimations des réseaux.

Enfin, une large place est consacrée au problème central de la sélection

des entrées significatives et de l'architecture optimale d'un réseau de

neurones.

L'ouvrage s'adresse aux ingénieurs et aux chercheurs intéressés par la

mise en oeuvre des réseaux de neurones formels, ainsi qu'aux étudiants

de DEA et d'écoles d'ingénieurs.