Approximation de fonction, clustering et contrôle
Effectuer une régression, une classification, un clustering et modéliser des systèmes dynamiques non linéaires avec des réseaux de neurones peu profonds
Généralisez des relations non linéaires entre des exemples en entrée et en sortie, effectuez un apprentissage non supervisé avec du clustering et des autoencodeurs.
Réseaux de neurones dynamiques, notamment NARX et TDNN (Time-Delay Neural Network) ; création de modèles Simulink® ; systèmes de contrôle non linéaires avec des réseaux de neurones à modèles prédictifs, NARMA-L2 et à modèles de référence.
Catégories
- Approximation de fonction et clustering
Effectuer une régression, une classification et un clustering avec des réseaux de neurones peu profonds
- Séries temporelles et systèmes de contrôle
Modéliser des systèmes dynamiques non linéaires avec des réseaux peu profonds ; effectuer des prédictions avec des données séquentielles.