APPLICATIONS DES RESEAUX DE NEURONES ARTIFICIELS EN CHIMIE PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download APPLICATIONS DES RESEAUX DE NEURONES ARTIFICIELS EN CHIMIE PDF full book. Access full book title APPLICATIONS DES RESEAUX DE NEURONES ARTIFICIELS EN CHIMIE by ERIC.. FEUILLEAUBOIS. Download full books in PDF and EPUB format.
Author: ERIC.. FEUILLEAUBOIS
Publisher:
ISBN:
Category :
Languages : fr
Pages : 195
Get Book Here
Book Description
NOUS PRESENTONS UNE IMPLEMENTATION ORIGINALE DE LA RECHERCHE DES MOTIFS STRUCTURAUX 3D SUR LES RESEAUX DE TYPES. POUR DETERMINER SI UN MOTIF 3D EST PRESENT DANS UNE STRUCTURE MOLECULAIRE IL FAUT TROUVER LA CORRESPONDANCE ENTRE LES ATOMES DU MOTIF ET LES ATOMES DE LA STRUCTURE QUI MINIMISE LE CRITERE DE DISSIMILARITE. C'EST UN PROBLEME D'OPTIMISATION COMBINATOIRE COMPLEXE APPARTENANT A LA CLASSE DES PROBLEMES NP-COMPLETS. NOUS PROPOSONS D'UTILISER DES HEURISTIQUES NEURONALES. POUR IMPLEMENTER CE PROBLEME SUR LES RESEAUX DE NEURONES DE TYPE HOPFIELD, NOUS CONSTRUISONS UNE FONCTION OBJECTIF QUI PENALISE LES ETATS DU RESEAU QUI NE SONT PAS ASSOCIES AVEC UNE MATRICE DE CORRESPONDANCE OU CONDUISANT A UNE FORTE VALEUR DU CRITERE DE DISSIMILARITE. LES POIDS DU RESEAU SONT ALORS CALCULES PAR L'IDENTIFICATION DE CETTE FONCTION OBJECTIF AVEC LA FONCTION D'ENERGIE DU RESEAU. AINSI QUAND LE RESEAU MINIMISE SON ENERGIE INTERNE, IL MINIMISE LA FONCTION OBJECTIF DU PROBLEME ET ABOUTIT A DES ETATS ASSOCIES A UNE SOLUTION DU PROBLEME DE RECONNAISSANCE. L'UTILISATION DES RESEAUX DE NEURONES DE TYPE HOPFIELD PRESENTE DEUX INTERETS MAJEURS: LA POSSIBILITE DE RECONNAITRE PARTIELLEMENT UN MOTIF, FONCTIONNALITE QUE L'ON NE TROUVE PAS DANS LES AUTRES ALGORITHMES DE RECHERCHE, LA PERSPECTIVE D'UNE IMPLEMENTATION MASSIVEMENT PARALLELE DU A LA NATURE INTRINSEQUEMENT PARALLELE DU FONCTIONNEMENT DES RESEAUX DE NEURONES ARTIFICIELS. LES BANQUES DE DONNEES STRUCTURALES NE STOCKENT GENERALEMENT QU'UNE CONFORMATION DE CHAQUE STRUCTURE, QUI N'EST PAS FORCEMENT CELLE CONTENANT LE MOTIF 3D RECHERCHE. SI L'ON RECONNAIT PARTIELLEMENT LE MOTIF DANS CETTE CONFORMATION DE LA STRUCTURE, ON PEUT PAR LA SUITE FAIRE UNE RECHERCHE CONFORMATIONNELLE POUR VERIFIER SI DANS UNE AUTRE CONFORMATION, LE MOTIF SERAIT PRESENT. IL EST A NOTER QUE LA PARALLELISATION D'ALGORITHME SEQUENTIEL EST GENERALEMENT TRES PROBLEMATIQUE. DISPOSER D'UN ALGORITHME PARALLELE PERMETTANT D'EFFECTUER LA MEME TACHE EST UN ATOUT CERTAIN QUAND ON VEUT UTILISER UN ORDINATEUR
Author: ERIC.. FEUILLEAUBOIS
Publisher:
ISBN:
Category :
Languages : fr
Pages : 195
Get Book Here
Book Description
NOUS PRESENTONS UNE IMPLEMENTATION ORIGINALE DE LA RECHERCHE DES MOTIFS STRUCTURAUX 3D SUR LES RESEAUX DE TYPES. POUR DETERMINER SI UN MOTIF 3D EST PRESENT DANS UNE STRUCTURE MOLECULAIRE IL FAUT TROUVER LA CORRESPONDANCE ENTRE LES ATOMES DU MOTIF ET LES ATOMES DE LA STRUCTURE QUI MINIMISE LE CRITERE DE DISSIMILARITE. C'EST UN PROBLEME D'OPTIMISATION COMBINATOIRE COMPLEXE APPARTENANT A LA CLASSE DES PROBLEMES NP-COMPLETS. NOUS PROPOSONS D'UTILISER DES HEURISTIQUES NEURONALES. POUR IMPLEMENTER CE PROBLEME SUR LES RESEAUX DE NEURONES DE TYPE HOPFIELD, NOUS CONSTRUISONS UNE FONCTION OBJECTIF QUI PENALISE LES ETATS DU RESEAU QUI NE SONT PAS ASSOCIES AVEC UNE MATRICE DE CORRESPONDANCE OU CONDUISANT A UNE FORTE VALEUR DU CRITERE DE DISSIMILARITE. LES POIDS DU RESEAU SONT ALORS CALCULES PAR L'IDENTIFICATION DE CETTE FONCTION OBJECTIF AVEC LA FONCTION D'ENERGIE DU RESEAU. AINSI QUAND LE RESEAU MINIMISE SON ENERGIE INTERNE, IL MINIMISE LA FONCTION OBJECTIF DU PROBLEME ET ABOUTIT A DES ETATS ASSOCIES A UNE SOLUTION DU PROBLEME DE RECONNAISSANCE. L'UTILISATION DES RESEAUX DE NEURONES DE TYPE HOPFIELD PRESENTE DEUX INTERETS MAJEURS: LA POSSIBILITE DE RECONNAITRE PARTIELLEMENT UN MOTIF, FONCTIONNALITE QUE L'ON NE TROUVE PAS DANS LES AUTRES ALGORITHMES DE RECHERCHE, LA PERSPECTIVE D'UNE IMPLEMENTATION MASSIVEMENT PARALLELE DU A LA NATURE INTRINSEQUEMENT PARALLELE DU FONCTIONNEMENT DES RESEAUX DE NEURONES ARTIFICIELS. LES BANQUES DE DONNEES STRUCTURALES NE STOCKENT GENERALEMENT QU'UNE CONFORMATION DE CHAQUE STRUCTURE, QUI N'EST PAS FORCEMENT CELLE CONTENANT LE MOTIF 3D RECHERCHE. SI L'ON RECONNAIT PARTIELLEMENT LE MOTIF DANS CETTE CONFORMATION DE LA STRUCTURE, ON PEUT PAR LA SUITE FAIRE UNE RECHERCHE CONFORMATIONNELLE POUR VERIFIER SI DANS UNE AUTRE CONFORMATION, LE MOTIF SERAIT PRESENT. IL EST A NOTER QUE LA PARALLELISATION D'ALGORITHME SEQUENTIEL EST GENERALEMENT TRES PROBLEMATIQUE. DISPOSER D'UN ALGORITHME PARALLELE PERMETTANT D'EFFECTUER LA MEME TACHE EST UN ATOUT CERTAIN QUAND ON VEUT UTILISER UN ORDINATEUR
Author: Pierre Borne
Publisher: Editions OPHRYS
ISBN: 9782710808961
Category : Neural networks (Computer science)
Languages : fr
Pages : 166
Get Book Here
Book Description
Author: Richard Lepage
Publisher: Montréal : École de technologie supérieure
ISBN: 9782921145404
Category : Computer vision
Languages : fr
Pages : 446
Get Book Here
Book Description
Author: Müştak E. Yalçın
Publisher: Springer
ISBN: 3030178404
Category : Technology & Engineering
Languages : en
Pages : 79
Get Book Here
Book Description
This book explores how neural networks can be designed to analyze sensory data in a way that mimics natural systems. It introduces readers to the cellular neural network (CNN) and formulates it to match the behavior of the Wilson–Cowan model. In turn, two properties that are vital in nature are added to the CNN to help it more accurately deliver mimetic behavior: randomness of connection, and the presence of different dynamics (excitatory and inhibitory) within the same network. It uses an ID matrix to determine the location of excitatory and inhibitory neurons, and to reconfigure the network to optimize its topology. The book demonstrates that reconfiguring a single-layer CNN is an easier and more flexible solution than the procedure required in a multilayer CNN, in which excitatory and inhibitory neurons are separate, and that the key CNN criteria of a spatially invariant template and local coupling are fulfilled. In closing, the application of the authors’ neuron population model as a feature extractor is exemplified using odor and electroencephalogram classification.
Author: Jure Zupan
Publisher: Wiley-VCH
ISBN: 9783527297788
Category : Science
Languages : en
Pages : 0
Get Book Here
Book Description
The second edition of this highly regarded text has been substantially expanded. Part VI "Applications" is updated from 12 to 21 examples with a new focus on applications in the area of drug design. From reviews of the first edition: ?This book offers a sound introduction to artificial neuronal networks, with insights into their architecture, functioning, and applications, which is intended not only for chemists... The excellent quality of the contents and the presentation should ensure that it reaches a wide international readership.?(Angewandte Chemie) 'One of the most useful aspects of the book is a walk-through of the whole process for each application: experimental design, choice and organization of the data, selection of network architecture and parameters, and analysis of the results... The careful approach embodied in this book is an antidote to the hype which has attended neuronal networks in recent years.' (Journal of the American Chemical Society) '... highly recommended ... could become a scientific bestseller ...' (Spectroscopy Europe) 'The attractive and clear presentation of this book make it recommendable to the complete novice.' (The Analyst) 'We strongly recommend it for library purchase and it will be a useful text for lecture courses.' (Chemistry & Industry)
Author: Gérard Dreyfus
Publisher:
ISBN: 9782212110197
Category :
Languages : fr
Pages : 386
Get Book Here
Book Description
Les réseaux de neurones constituent une technique de traitement de données bien comprise et maîtrisée, désormais indispensable dans la boîte à outils de tout ingénieur soucieux d'extraire le maximum d'informations pertinentes des données dont il dispose : effectuer des prévisions, de la fouille de données, élaborer des modèles, reconnaître des formes ou des signaux, etc. Joignant fondements théoriques et applications pratiques dans un langage accessible, cet ouvrage a pour but de permettre aux décideurs, aux ingénieurs et aux chercheurs de bénéficier de méthodologies claires pour mettre en œuvre avec profit les réseaux de neurones dans des applications industrielles, financières ou bancaires, dont de nombreux exemples sont présentés. Le lecteur désireux d'acquérir des bases solides trouvera, pour chaque chapitre, des compléments théoriques qui lui permettront d'approfondir les concepts, et des compléments algorithmiques destinés à en faciliter l'implantation informatique. A qui s'adresse ce livre ? Aux ingénieurs, informaticiens, industriels et décideurs ayant à résoudre des problèmes de modélisation, de reconnaissance, de prévision, de commande, etc. Aux étudiants et élèves-ingénieurs des disciplines scientifiques et économiques. Aux enseignants de ces disciplines à la recherche d'un ouvrage complet et d'études de cas sur les réseaux de neurones.
Author: A. B. Bulsari
Publisher: Elsevier Publishing Company
ISBN:
Category : Computers
Languages : en
Pages : 704
Get Book Here
Book Description
Hardbound. Although neural and connectionist models have been known for decades, their first appearance in chemical engineering was as late as 1988. This book is an attempt to expedite a cautious intake of neural networks into chemical engineering.Besides core chemical engineering, it includes applications in process engineering, biochemical engineering, and metallurgical engineering. Of the 27 chapters, six cover theoretical issues and the remaining 21 cover applications.
Author: Maxime Bruant
Publisher:
ISBN:
Category :
Languages : fr
Pages : 35
Get Book Here
Book Description
Author: Sanvi Avouyi-Dovi
Publisher:
ISBN:
Category : Capital assets pricing model
Languages : fr
Pages :
Get Book Here
Book Description
Author: Danièle Olivier
Publisher: EDP Sciences
ISBN: 2759835480
Category : Mathematics
Languages : fr
Pages : 200
Get Book Here
Book Description
Depuis 5 ans, on ne peut ouvrir un journal sans qu’il ne soit question d’Intelligence Artificielle. Qu’est-ce que c’est que cette explosion ? On a fini par comprendre que l’IA c’était la capacité de traiter ensemble des quantités de données qui dépassent l’imagination. Alors la chimie est tout de suite impliquée car on y trouve parmi les plus grandes banques de données, des milliards de molécules en combinant sans limites (qu’on pense aux polymères) la centaine d’atomes de notre Tableau de Mendeleïev. Bien plus que ce qu’on ne sera jamais capables de traiter sans machines ! La chimie c’est faire des composés en combinant des atomes, c’est comprendre les propriétés des produits qui en résultent puis les utiliser. Ou encore, autre approche, c’est devant un besoin, trouver la bonne combinaison d’atomes qui donne la molécule ou le solide qui y répond, parmi les milliards de combinaisons d’atomes, et en faire la synthèse. On ne part pas de rien : depuis ses origines, la chimie a accumulé les relations entre assemblages d’atomes et propriétés des produits résultant, ceux qui peuplent notre vie quotidienne, les constructions, les machines, les ordinateurs, les médicaments, les plastiques, etc., tous les objets. Ses acquis sont les bases des fameuses banques de données gigantesques dans lesquelles on ne sait que progresser à la vitesse de l’escargot. Mais tout a changé : l’escargot se mue en bolide. Les données sont numérisées et on sait les mobiliser par les fameux « algorithmes ». L’intelligence artificielle est venue faire exploser les possibilités de nos chimistes. Personne n’y échappe : cet ouvrage, « Chimie et IA », le montre à l’envi en faisant s’exprimer les mondes des matériaux, de l’énergie, du médicament, des cosmétiques, etc. Les méthodes utilisées sont trop jeunes pour être définitives. On montre comment la formation des spécialistes s’impose dans tous les domaines. Les perspectives sont immenses et la recherche, l’industrie, chimique en particulier, nous réserve évidemment quantité de surprises en perfectionnant la puissance des outils de l’IA.
