Techniques avancées pour le traitement de l'information

Conçu comme un manuel d'initiation, ce livre permet de parcourir, soit ponctuellement, soit dans un ordre logique, les différentes étapes d'une chaîne générale de traitement de l'information dans son acceptation la plus large. Il intègre à la fois des approches dites classiques (traitement du signal par exemple) et des approches nouvelles, que l'on qualifie de « technologies avancées » (logique floue, réseaux de neurones, algorithmes génétiques).
Il s'adresse aussi bien aux étudiants qui souhaitent s'initier au traitement de l'information et à ses applications qu'aux ingénieurs expérimentés.

Sommaire
1 - INTRODUCTION
2 - LA CHAINE COMPLETE DE TRAITEMENT DE L'INFORMATION.

• 2.1 Acquisition.
• 2.2 Traitement du signal.
• 2.3 L'a priori
• 2.4 Extraction de caractéristiques.
• 2.5 Interprétation / Décision.
• 2.6 Critique de la chaîne complète.
• 2.7 Exemples de problèmes complexes.

• 3.1 L'acquisition du monde : notion de découpage arbitraire
• 3.2 Les familles de capteurs.
• 3.3 Les influences sur la chaîne de traitement située en aval.
• 3.4 Caractéristiques du capteur idéal.

• 4.1 Familles de traitements.
• 4.2 Problème de modélisation d'une séquence d'opérateurs.
• 4.3 Vérification des a priori, complexification des modèles
• 4.4 Notion naissante d'adaptation.
• 4.5 Exemples de traitements.
• 4.6 Caractéristiques du traitement idéal. Influence de cette étape sur l'étape située en aval.

• 5.1 La quantité d'information.
• 5.2 Les estimateurs couramment utilisés.
• 5.3 Différence entre entités théoriques et estimateurs calculés.
• 5.4 Sémantique associée aux estimateurs
• 5.5 Data Mining
• 5.6 Le problème du choix des caractéristiques.
• 5.7 Exemples d'applications
• 5.8 Réflexion : l'extraction idéale de caractéristiques

• 6.1 Nécessité d'un modèle de décision
• 6.2 Utilisation de la déduction.
• 6.3 La transformation numérique->symbolique.
• 6.4 La nature intrinsèque des données d'entrée.
• 6.5 Redondances et contradictions, données incomplètes ou incertaines dues aux pertes d'information dans la chaîne.
• 6.6 Problème du choix d'un mode de raisonnement.
• 6.7 Apprentissage.
• 6.8 Le data mining
• 6.9 Exemples d'applications. 6.10 Réflexion : le raisonnement idéal.

• 7.1 Les réseaux neuronaux.
• 7.2 La Logique Floue.
• 7.3 Les Algorithmes Génétiques.
• 7.4 Une approche pour fédérer des techniques hétérogènes en traitement de l'information : la méthodologie A.G.E.N.D.A.