Overblog Suivre ce blog
Editer l'article Administration Créer mon blog
5 août 2010 4 05 /08 /août /2010 13:22

 

Une bibliographie de theorie de l'apprentissage et réseaux de neurones et un peu d'apprentissage par renforcement.

Ci-dessous donc la liste de mes bouquins favoris sur le sujet:

  • A theory of learning and generalization, M. Vidyasagar, 1997.      Tres bon livre, recouvrant tout tout tout sur l'apprentissage theorique, a part les paradigmes bayesiens ou de maximum de vraisemblance, pour lesquels il faut plutot utiliser celui ci-dessous. Un index des notations aurait rendu la lecture plus confortable mais on s'en sort quand même.http://ecx.images-amazon.com/images/I/41Q665ZYP7L._SL500_AA300_.jpgInclut notamment l'apprentissage actif.
  • A probabilistic Theory of Pattern Recognition, L. Devroye, L. Gyorfi, G. Lugosi, 1997.  Tres bon livre, tres ouvert a differentes approches. Bon survey de resultats, quoi que depuis certaines bornes aient ete ameliorees. Le meilleur livre fondamental sur le cas de la classification. Malheureusement restreint a la classification.http://static.findbook.tw/image/book/9780387946184/large
  •  Neural Network Learning: Theoretical foundations, M. Anthony, P.L. Bartlett, 1999. Très bon livre incluant notamment la fat-shattering dimension pas citée dans les autres livres de cette page, et quelques cas amusants comme les fonctions "symboliques".                     http://bookweb.kinokuniya.co.jp/bimgdata/FC052157353X.JPG
  •  Weak convergence and Empirical Processes, A.-W. van der Vaart, J.-A. Wellner, 1996. Tres bon livre, montrant une partie de la theorie de l'apprentissage trop peu connue chez les informaticiens qui souvent ne jurent que par la VC-theorie.http://ecx.images-amazon.com/images/I/410MnqGTNOL.jpg
  • The nature of statistical learning theory, V. Vapnik, 1995.  Bon livre, facile a lire, malheureusement un peu restreint aux approches VC-dimension malgre la generalite du titre. Il ne s'agit pas vraiment de "the nature of stastistical learning theory", mais plutot de "a part of statistical learning theory".
  • Neural Networks for Pattern Recognition, C.M. Bishop, 1995.  Livre peu mathématique mais couvrant pas mal de choses. Très utile pour avoir un rappel des bases, orienté vers la pratique, sous la main. Ignore les support vector machines malheureusement.   http://home.in.tum.de/~stibor/book_icons/Bishop_1995.jpg
  • L'approximation de fonctions est souvent utilisée pour les jeux ou des problèmes ayant une composante de temps et des décisions séquentielles. Dans de tels cas vous aurez besoin d'un livre spécifique:  "Reinforcement learning and dynamic programming using function approximation": http://www.dcsc.tudelft.nl/rlbook/img/frontcover.png  Comme son titre l'indique, l'ouvrage de référence lorsque l'approximation de fonction est dédiée à des problèmes de renforcement (jeux, contrôle).

Partager cet article

Repost 0
Published by teytaud - dans Recherche
commenter cet article

commentaires

jean laveau 23/03/2016 19:44

En français, deux autres bouquins:
Data Scientist et langage R, super détaillé et didactique : http://www.amazon.fr/Data-Scientist-langage-dautoformation-lexploitation/dp/2409000436
et
Data science : fondamentaux et études de cas : Machine learning avec Python et R : nécessite de connaître déjà R ou Python pour suivre les exemples, mais agréable à lire aussi.