Résumé:
Ce cours est articulé autour des notions de bases des techniques de l'intelligence
artificielle et son utilisation dans la commande, l'optimisation, le diagnostic et l'aide à la
décision. Ce cours reprend les différentes topologies des réseaux de neurones et leurs
algorithmes d’apprentissage, les différentes concepts de base de la logique floue et ses
applications et, enfin, le principe des méthodes heuristiques et leur programmation.
Ce manuscrit est divisé en huit chapitres.
Le premier chapitre contient des généralités sur le "soft computing" et ses composantes
essentielles. L'objectif du second chapitre est la théorie de la logique floue, ses applications et
la constitution d'un système d'inférence floue avec un exemple d'application.
Le troisième chapitre donne des généralités sur les réseaux de neurones (définition, structure
d'un neurone formel, les différents types des réseaux de neurones), principe d'apprentissage
supervisé et non supervisé et le principe de l'algorithme de Back-propagation. Le quatrième
chapitre concerne les réseaux de neurones adaptatifs et les réseaux neuro-flous. Le cinquième
chapitre est dédié aux algorithmes génétiques. Le sixième chapitre donne des généralités sur
les algorithmes évolutionnaires: recuit simulé, recherche tabou,… en détaillant la technique
d'optimisation par essaims de particules. Le septième chapitre donne des généralités les
probabilités et le raisonnement probabiliste. Le huitième chapitre donne des généralités sur les
systèmes experts et ses applications (système expert floue et la prise de décision)
Ce document contient plusieurs exemples d'application avec leurs simulation sous
Matlab/Simulink pour mieux comprendre les notions théoriques et savoir programmer les
différentes techniques introduites.
