PLAN DE COURS – AUTOMNE 2012 - Cours par sigle - ÉTS

9. Documentation obligatoireLEPAGE, R. et B. SOLAIMAN (2003). Les réseaux de neurones artificiels et leursapplications en imagerie et en vision par ordinateur, Coop ÉTS.10. Ouvrages de référenceDREYFUS, G., J.-M. MARTINEZ, M. SAMUELIDES, M.B. GORDON, F. BADRAN, S.THIRIA et L. HÉRAULT (2002). Réseaux de neurones : Méthodologie et applications,Eyrolles.HAYKIN, S. (2009). Neural Networks and Learning Machines », 3 e éd., PearsonEducation.MEHROTRA, K., K.M. CHILUKURI et S. RANKA (1997). Elements of Artificial NeuralNetworks, The MIT Press.SKAPURA, D. M. (1996). Building Neural Networks, Addison-Wesley.Session automne 2013 GPA759 – RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE 5

GPA759 – RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLEANNEXE I1. Caractéristiques du coursResponsable(s) du cours : Richard Lepage, ing., Ph.D.Coordonnées de l’enseignant :Groupe 01: Richard Lepage, ing., Ph.D. (Richard.Lepage@etsmtl.ca)Préalables :AucunCrédits : 32. Descriptif officiel du coursÀ la fin de ce cours, l’étudiant sera en mesure de : définir le domaine de l’intelligenceartificielle et particulièrement les réseaux de neurones; résoudre des problèmesd’ingénierie à l’aide des réseaux de neurones.Intelligence artificielle : définition, caractéristiques et architecture de base, représentationdes connaissances, mécanismes d'inférence, raisonnement avec incertitude, stratégies decontrôle et méthodologie de construction. Réseaux de neurones : définition,caractéristiques, fondements biologiques, structure et fonctionnement de base,méthodologie de construction et présentation des principaux modèles. Les modèles sontprésentés dans un contexte de système de reconnaissance de forme.Séances de laboratoire : analyser le comportement des réseaux de neurones; réaliser etappliquer les réseaux de neurones pour fin de reconnaissance de forme.3. Répartition des unités d’agrément du BCAPGMathsSciencesnaturellesÉtudescomplémentairesScience dugénieConceptionen ingénierieTotal0,0 0,0 0,0 21,6 43,2 64,84. Qualités (Qx) et compétences (Cy) enseignées et/ou évaluées5. ÉvaluationActivité Description %Date deremiseLaboratoire5 séances de laboratoire portant sur les réseaux deneurones 30Voir siteMoodle ducoursQuiz 4 Quiz en début de cours. Correction de 2 sur 4 10 Site du coursSession automne 2013 GPA759 – RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE 6

Intra 30 6 novembreFinal30 Horaired'examensfinauxAbsence à un examenDans les cinq (5) jours ouvrables suivant la tenue de son examen, l’étudiant devra justifierson absence auprès de la coordonnatrice – Affaires départementales qui en référera audirecteur du département. Pour un examen final, l’étudiant devra justifier son absenceauprès du Bureau du registraire. Toute absence non justifiée par un motif majeur (maladiecertifiée par un billet de médecin, décès d’un parent immédiat ou autre) à un examenentraînera l’attribution de la note zéro (0).Plagiat et fraudeLes clauses du « Chapitre 10 : Plagiat et fraude » du « Règlement des études de 1 er cycle »s’appliquent dans ce cours ainsi que dans tous les cours du département. Afin de sesensibiliser au respect de la propriété intellectuelle, tous les étudiants doivent consulter lapage Citer, pas plagier ! http://www.etsmtl.ca/Etudiants-actuels/Cycles-sup/Realisationetudes/Citer-pas-plagierSession automne 2013 GPA759 – RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE 7