Quelques lois d'adaptation pour neurones artificiels et réels
Identifieur interne : 001876 ( Crin/Checkpoint ); précédent : 001875; suivant : 001877Quelques lois d'adaptation pour neurones artificiels et réels
Auteurs : Frédéric AlexandreSource :
English descriptors
Abstract
Le but de ce texte est de proposer un point de vue de l'adaptation, sous l'angle du connexionnisme. Cet angle sera pris volontairement large, dans la mesure où il me semble important de parler, bien sûr, du caractère adaptatif des réseaux de neurones artificiels, mais au moins aussi important de replacer ces propriétés dans le cadre plus général de l'apprentissage animal et humain. Je commencerai par une présentation générale du connexionnisme, puis des principales lois d'apprentissage permettant l'adaptation des modèles de réseaux de neurones artificiels. Ceci pourra être replacé d'une part, dans le cadre des statistiques et d'autre part, dans le cadre de l'apprentissage animal et humain. Sur ce dernier point, je ferai une présentation rapide des théories actuellement admises et de leur possible rencontre avec des modèles de réseaux de neurones artificiels.
Links toward previous steps (curation, corpus...)
Links to Exploration step
CRIN:alexandre00dLe document en format XML
<record><TEI><teiHeader><fileDesc><titleStmt><title xml:lang="fr" wicri:score="-136">Quelques lois d'adaptation pour neurones artificiels et réels</title>
</titleStmt>
<publicationStmt><idno type="RBID">CRIN:alexandre00d</idno>
<date when="2000" year="2000">2000</date>
<idno type="wicri:Area/Crin/Corpus">002B10</idno>
<idno type="wicri:Area/Crin/Curation">002B10</idno>
<idno type="wicri:explorRef" wicri:stream="Crin" wicri:step="Curation">002B10</idno>
<idno type="wicri:Area/Crin/Checkpoint">001876</idno>
<idno type="wicri:explorRef" wicri:stream="Crin" wicri:step="Checkpoint">001876</idno>
</publicationStmt>
<sourceDesc><biblStruct><analytic><title xml:lang="fr">Quelques lois d'adaptation pour neurones artificiels et réels</title>
<author><name sortKey="Alexandre, Frederic" sort="Alexandre, Frederic" uniqKey="Alexandre F" first="Frédéric" last="Alexandre">Frédéric Alexandre</name>
</author>
</analytic>
</biblStruct>
</sourceDesc>
</fileDesc>
<profileDesc><textClass><keywords scheme="KwdEn" xml:lang="en"><term>artificial neural networks</term>
<term>biologically inspired models</term>
<term>connectionism</term>
<term>learning</term>
<term>memory</term>
</keywords>
</textClass>
</profileDesc>
</teiHeader>
<front><div type="abstract" xml:lang="fr" wicri:score="-1823">Le but de ce texte est de proposer un point de vue de l'adaptation, sous l'angle du connexionnisme. Cet angle sera pris volontairement large, dans la mesure où il me semble important de parler, bien sûr, du caractère adaptatif des réseaux de neurones artificiels, mais au moins aussi important de replacer ces propriétés dans le cadre plus général de l'apprentissage animal et humain. Je commencerai par une présentation générale du connexionnisme, puis des principales lois d'apprentissage permettant l'adaptation des modèles de réseaux de neurones artificiels. Ceci pourra être replacé d'une part, dans le cadre des statistiques et d'autre part, dans le cadre de l'apprentissage animal et humain. Sur ce dernier point, je ferai une présentation rapide des théories actuellement admises et de leur possible rencontre avec des modèles de réseaux de neurones artificiels.</div>
</front>
</TEI>
<BibTex type="inproceedings"><ref>alexandre00d</ref>
<crinnumber>A00-R-199</crinnumber>
<category>6</category>
<equipe>CORTEX</equipe>
<author><e>Alexandre, Frédéric</e>
</author>
<title>Quelques lois d'adaptation pour neurones artificiels et réels</title>
<booktitle>{Journée sur l'adaptation, Champenoux, France}</booktitle>
<year>2000</year>
<editor>F. Le Ber et J. Lieber</editor>
<month>May</month>
<url>http://www.loria.fr/publications/2000/A00-R-199/A00-R-199.ps</url>
<keywords><e>connectionism</e>
<e>artificial neural networks</e>
<e>learning</e>
<e>memory</e>
<e>biologically inspired models</e>
</keywords>
<abstract>Le but de ce texte est de proposer un point de vue de l'adaptation, sous l'angle du connexionnisme. Cet angle sera pris volontairement large, dans la mesure où il me semble important de parler, bien sûr, du caractère adaptatif des réseaux de neurones artificiels, mais au moins aussi important de replacer ces propriétés dans le cadre plus général de l'apprentissage animal et humain. Je commencerai par une présentation générale du connexionnisme, puis des principales lois d'apprentissage permettant l'adaptation des modèles de réseaux de neurones artificiels. Ceci pourra être replacé d'une part, dans le cadre des statistiques et d'autre part, dans le cadre de l'apprentissage animal et humain. Sur ce dernier point, je ferai une présentation rapide des théories actuellement admises et de leur possible rencontre avec des modèles de réseaux de neurones artificiels.</abstract>
</BibTex>
</record>
Pour manipuler ce document sous Unix (Dilib)
EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/Crin/Checkpoint
HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 001876 | SxmlIndent | more
Ou
HfdSelect -h $EXPLOR_AREA/Data/Crin/Checkpoint/biblio.hfd -nk 001876 | SxmlIndent | more
Pour mettre un lien sur cette page dans le réseau Wicri
{{Explor lien |wiki= Wicri/Lorraine |area= InforLorV4 |flux= Crin |étape= Checkpoint |type= RBID |clé= CRIN:alexandre00d |texte= Quelques lois d'adaptation pour neurones artificiels et réels }}
![]() | This area was generated with Dilib version V0.6.33. | ![]() |