Classification et réseaux de neurones

在分类学领域，许多学者都对通过各种算法和方法对一个类别的对象进行影响和对另一个类别的替代来确定和评价所获得的类别感兴趣。使用的方法是基于最大限度地评估和记录在一个干部加上一般qu'est le mélange de densités中的方法。这个问题主要取决于钝体类的性质，本研究旨在探讨最大限度地提高钝体分类的密度和混合方法的理论问题。Il vise également à les élargir à de nouvelles methodes basées sur les réseaux de neurones artificiels.这些最后的数据被非统计学家用于对大银行进行分类、鉴别和修改。他们认识到一个伟大的事业，在其他人中间，有能力进行修改和还原。L'objectif et de déciliation per un crat théorique de comparaison entre les methodes statistiques et les methodes neuronales. Une approche hybrid basée sur un acquisition incrémental，c'est-à-dire un acquisition qui améliore ses performance Au fur et à mesure que de nouvelles données sont disponibles and qui permet de memoriser ce qui a été déjà appris auparavant，sans recommencer systématiquement à partir de zéro，pourrait être envisagée. Il s'agit d'intégrer ce type d'apartissage aux methodes de classification afn de fournir une meilleure modélisation des données et，par ricochet，une meilleure determination des classes obtenues.应用领域是对形式的考察。

Dans le domaine de la classification, plusieurs auteurs se sont intéressés à la caractérisation et l'évaluation des classes obtenues par le biais de divers algorithmes et méthodes permettant l'affectation d'un objet à une classe et son éventuel déplacement à une autre classe. Les méthodes utilisées se basent sur l'approche par maximum de vraisemblance et s'inscrivent dans un cadre plus général qu'est le mélange de densités. Le probléme, souvent rencontré, est celui relié à la caractérisation de la nature des classes obtenues.Ce projet de recherche a pour but d'approfondir les aspects théoriques des méthodes de mélange de densités et de mélange par maximum de vraisemblance en classification. Il vise également à les élargir à de nouvelles méthodes basées sur les réseaux de neurones artificiels. Ces dernières ont été surtout développées par des non statisticiens pour classifier, discriminer et modéliser de grandes banques de données. Elles connaissent un grand essor à cause, entre autres, de leur capacité de modélisation et de réduction. L'objectif et de développer un cadre théorique de comparaison entre les méthodes statistiques et les méthodes neuronales. Une approche hybride basée sur un apprentissage incrémental, c'est-à-dire un apprentissage qui améliore ses performances au fur et à mesure que de nouvelles données sont disponibles et qui permet de mémoriser ce qui a été déjà appris auparavant, sans recommencer systématiquement à partir de zéro, pourrait être envisagée. Il s'agit d'intégrer ce type d'apprentissage aux méthodes de classification afin de fournir une meilleure modélisation des données et, par ricochet, une meilleure détermination des classes obtenues. Le domaine d'application est en reconnaissance des formes.