Volumes horaires
- CM 31.5
Crédits ECTS
Crédits ECTS 3.0
Objectif(s)
Ce cours unit les techniques de programmation des systèmes de reconnaissance et de raisonnement symbolique. Les techniques de raisonnement symbolique sont présentées avec la programmation par règles ainsi que la programmation des schémas. La programmation de règles et de schémas est illustrée par des exercices dans l'environnement CLIPS de le NASA. Les techniques de reconnaissance Bayésienne sont ensuite présentées. Les fonctions de discrimination linéaire et quadratique sont developpées, suivies d'une présentation du discriminant linéaire de Fisher et de l'analyse en composantes principales. L'apprentissage statistique est présenté avec l'utilisation de l'algorithme EM pour l'estimation de mélange de Gaussiennes. Les cours seront présentés en langues Anglais
Contact James CROWLEYContenu(s)
Part 1: Programmation de Système Expert
1. Introduction aux Systèmes Experts
2. Programmation par règles
3. Représentation de connaissance structurée
Part 2: Reconnaissances et Apprentissage
1. Introduction aux reconnaissances Bayesiennes
2. Fonctions de Discrimination
3. Apprentissage par EM et Mélange de Gaussiennes
4. Boosting, SVM et disciminiation lineaire.
Prérequis
Probability and statistics
L'examen existe uniquement en anglais
3H Written Exam
N1=E1
N2=E2
Le cours est donné uniquement en anglais
- Polycopié du cours / Course Notes
- P. Lucas and L. Van de Gaag, Principles of Expert Systems Programming, Addison Wesley, 1991.
- C. M. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, 1994.