Réseaux de neurones et approximation numérique adaptative

Responsable : Bruno Després

Objectif : Ce cours présente comment utiliser les réseaux de neurones pour l’approximation numérique adaptative

Prérequis : Quelques notions d’analyse et un intérêt pour la programmation

Thèmes abordés :

-Fonctions représentables par des réseaux de neurones

• Preuves élémentaires du théorème de Cybenko. La fonction de Takagi
• Construction de datasets et malédiction de la dimension
• Interprétation des algorithmes de gradients stochastiques sous la forme d’équations différentielles ordinaires
• Applications à des problèmes issus du calcul scientifique pour la CFD en lien avec la classification d’images
• Illustration avec quelques logiciels

Ressources : Moodle