Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
2Activity
0 of .
Results for:
No results containing your search query
P. 1
Vision System

Vision System

Ratings: (0)|Views: 132|Likes:
Published by shodgson8019

More info:

Published by: shodgson8019 on Feb 10, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF or read online from Scribd
See more
See less

08/20/2014

 
35 
RECONNAISSANCE DE FORMESPAR RESEAU DE NEURONES
 
Timothée COUR Guillaume GIRAUDAntoine KODSITuan-Anh LUONGRémy LAURANSONClémentine MARCOVICIKolia SADEGHI
 
Tuteur : Gérard DREYFUS
ECOLE POLYTECHNIQUE, juillet 2002
 
36
SOMMAIRE
INTRODUCTION
FICHE DE PRESENTATION DU PROJETPARTIE IPRESENTATION GENERALE1. Fonctionnement général d’un réseau de neurones1.1. Qu’est-ce qu’un réseau de neurones1.2. Modélisation d’un neurone1.3. Modélisation d’un réseau de neurones1.4. Connectivité1.5. Apprentissage supervisé / non supervisé1.6. Calcul des poids synaptiques2. Quelques réseaux célèbres2.1. Le perceptron2.2. Les perceptrons multicouches (PMC)2.3. Les réseaux de Hopfield2.4. Les réseaux de Kohonen2.5. Exemples généraux d’application des réseaux de neurones3. Les réseaux de neurones et la reconnaissance d’écriture3.1. Performances3.2. Un exemple d’application industrielle : la lecture automatique à la Poste3.3. Un exemple d’application industrielle : la lecture de chèques3.4. Un exemple de réseau issu de la recherche : LeNet-53.5. Un exemple de réseau intégré en robotiquePARTIE IIII.1. ALGORITHME GENERAL ET PROGRAMME INFORMATIQUE1. Introduction2. Le programme informatique3. Fonctionnement général du réseau3.1. Les exemples donnés en entrée du réseau3.2. Principes régissant la construction du réseau de neurones3.2.1. Structure en conteneurs3.2.2. Connexions des neurones3.2.3. Accès et références4. Organisation du réseau en différentes aires4.1. La rétine4.2. Le gradient
 
374.3. L’aire V14.4. L’aire d’extraction de lignes4.5. L’aire What&Where4.6. L’aire d’attention4.7. L’aire d’association4.8. La sortie4.9. Flux d’information entre les différentes aires5. Le neurone de base et les différents neurones dérivés5.1. Connexions du neurone5.2. Valeurs caractérisant l’état du neurone5.3. Interaction du neurone avec ses voisins5.4. Différents neurones spécialisés6. L’apprentissage6.1. Règle de rétro-propagation du gradient
 
6.2. Règle de Hebb7. Convergence8. Algorithme génétique sous-jacent8.1. Pourquoi introduire de la génétique8.2. Un individu et ses phénotypes8.3. Sélection naturelle des individus9. Interface utilisateur 9.1. Visualisation des neurones9.1.1. Visualisation sous forme graphique9.1.2. Visualisation sous forme de « Listing »9.2. Production de graphesII.2. RESULTATS1. Protocole de tests2. Visualisation des propriétés de fonctionnement du réseau2.1. Fonctionnement des différentes aires sur une image réelle2.2. Filtrage du bruit blanc2.3. Extraction des lignes2.4. Test d’invariance par translation, homothétie et déformation2.5. Convergence2.6. Cohérence des connections2.7. Influence de l’architecture : retour au perceptron3. Taux de réussite3.1. Evaluation globale de ce taux3.2. Influence de la forme respective des chiffres3.3. Conclusion3.4. Améliorations de l’algorithme

Activity (2)

You've already reviewed this. Edit your review.
1 thousand reads
1 hundred reads

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->