Réseau de Neurones Artificiels – cours – réseau de neurones
Les réseaux de neurones artificiels sont des réseaux fortement connectés de processeurs élémentaires fonctionnant en parallèle.
Chaque processeur élémentaire (neurone artificiel) calcule une sortie unique sur la base des informations qu’il reçoit.
Parallel Distributed Processing :
– Calculs élémentaires et parallèles
– Données/informations distribuées dans le réseau
Inspiration naturelle : analogie avec le cerveau
Le système nerveux est composé de 1012 neurones interconnectés. Bien qu’il existe une grande diversité de neurones, ils fonctionnent tous sur le même schéma.
Ils se décomposent en trois régions principales :
– Le corps cellulaire
– Les dendrites
– L’axone
L’influx nerveux est assimilable à un signal électrique se propageant comme ceci :
– Les dendrites reçoivent l’influx nerveux d’autres neurones.
– Le neurone évalue l’ensemble de la stimulation reçue.
– Si elle est suffisante, il est excité : il transmet un signal (0/1) le long de l’axone.
– L’excitation est propagée jusqu’aux autres neurones qui y sont connectés via les synapses.
Le neurone formel, l’unité élémentaire d’un réseau de Neurones Artificiels, se compose de deux parties :
– évaluation de la stimulation reçue (fonction E)
– évaluation de son activation (fonction f)
Il est caractérisé par :
– son état X (binaire, discret, continu)
– le niveau d’activation reçu en entrée U
– le poids des connections en entrée W
L’apprentissage est une phase du développement d’un réseau de neurones durant laquelle le comportement du réseau est modifié jusqu’à l’obtention du comportement désiré.
On distingue deux grandes classes d’algorithmes d’apprentissage :
– L’apprentissage supervisé
– L’apprentissage non supervisé