Cette séance de cours couvre les méthodes d'optimisation heuristique, y compris les algorithmes génétiques, les recuits simulés, les algorithmes évolutifs, les essaims de particules et les colonies de fourmis, qui explorent l'espace de recherche en fonction des propriétés du système, dans le but de trouver l'optimum global avec un temps de calcul élevé et une dépendance à la qualité du modèle.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Explore l'optimisation de la modélisation neuronale, en abordant les paramètres sous-constraintes, les fonctions de conditionnement physique et l'adaptation réussie des modèles de tir.
Explore l'optimisation dans la modélisation des systèmes énergétiques, couvrant les variables de décision, les fonctions objectives et les différentes stratégies avec leurs avantages et leurs inconvénients.
Explore l'apprentissage bio-inspiré avec des réseaux neuronaux et des algorithmes génétiques, couvrant la structure, la formation et les applications pratiques.
Couvre la logistique générale, la justification des cours, les conditions préalables, l'organisation, les crédits, la charge de travail, le classement et le contenu des cours, y compris les renseignements sur les essaims, les stratégies de recherche de nourriture et les phénomènes collectifs.
