Maîtriser les techniques modernes du traitement des signaux par filtrage adaptatif et par réseaux de neurones; être capable de mettre en oeuvre ces techniques dans des applications réelles comportant des défis.
Contenu
Filtrages adaptatifs et structures : structures directes moindres, structures de treillis, minimisation de l'erreur quadratique moyenne, algorithmes du moins carré, algorithmes séquentiels et non séquentiels. Estimations spectrales : méthodes non paramétriques, méthodes paramétriques Prony, Minimum Variance, Posarenko et analyses caractéristiques. Cumulants et statistiques d'onde supérieure : définitions, propriétés, applications. Réseaux de neurones : rétropropagation rapide, réseaux d'auto-organisation, réseaux de fonctions radiales de base.
Ce site Web utilise des fichiers témoins (cookies) essentiels à son bon fonctionnement.
Vous pouvez paramétrer l'utilisation de témoins facultatifs nous permettant d'optimiser votre expérience à travers le site. Voir la Politique de confidentialité
Paramètres des témoins
Pour obtenir plus d’information sur la nature et l’utilisation des témoins, voir la Politique de confidentialité.
Témoins essentiels
Ces témoins sont nécessaires au bon fonctionnement du site Web. Ils permettent de maintenir
l’accès à certaines sections sécurisées et de conserver des critères de recherche, par exemple.
Ces témoins ne peuvent être désactivés.
Témoins analytiques
Ces témoins nous aident à comprendre votre utilisation de notre site Web et nous permettent d'améliorer l’expérience qu'il propose.
Témoins publicitaires
Ces témoins sont utilisés pour vous proposer des publicités pertinentes en fonction de votre navigation sur notre site. Ces publicités peuvent être émises par l'Université de Sherbrooke ou d'autres entités.
