Les réseaux de neurones « Les neurones, ces mystérieux papillon de l’âme » Santiago Ramon y Cajal, découvreur des neurones . Les réseaux de neurones
Plan du travail Introduction 1. Les réseaux de neurones, présentation du modèle 1.1. Un modèle inspiré du fonctionnement de neurones biologiques 1.2. Le réseau de neurones artificiels 2. Les réseaux de neurones, une prise de décision sur la base de la perception L’apprentissage Les applications des réseaux de neurones Conclusion
1- présentation du modèle NEURONE BIOLOGIQUE Reçoit des informations par l’intermédiaire des synapses L’information est traitée dans le noyau pour définir son activation Celles-ci est ensuite transmise aux autres neurones à travers l’axone
1- présentation du modèle NEURONE ARTIFICIEL Un modèle inspiré du fonctionnement des neurones biologiques Les entrées Poids synaptiques Fonctions de transfert Élément de sortie
1- présentation du modèle PRINCIPE DE FONCTION D’UN NEURONE ARTIFICIEL a : fonction à seuil (S la valeur du seuil )b : fonction linéaire par morceaux c : fonction sigmoïde
1- présentation du modèle ARCHITECTURE L’exemple le plus simple est le perceptron multicouche
2- prise de décision sur la base de la perception APPRENTISSAGE Caractéristique principale : la capacité à « apprendre » (ajustement des paramètres en fonction de l’expérience acquise) Types d’apprentissage : Apprentissage supervisé Apprentissage non supervisé Apprentissage hybride
2- prise de décision sur la base de la perception APPRENTISSAGE (types)
Règles d’apprentissage : Règle de correction d’erreur 2- prise de décision sur la base de la perception APPRENTISSAGE (règles) La règle d’apprentissage va permettre d’établir l’organisation des connexions et l’algorithme d’apprentissage (ajustement automatique des poids synaptiques en fonction des résultats) Règles d’apprentissage : Règle de correction d’erreur Apprentissage de Bolzmann Règle de Hebb Règle d’apprentissage par compétition
2- prise de décision sur la base de la perception APPLICATIONS Les fonctions d’exploitation des données Discrimination : Diagnostic de patient Reconnaissance de motifs (visuels & sonores) Régression : Estimations financières Prédiction d’évolution de flux Evaluation des risques
2- prise de décision sur la base de la perception APPLICATIONS La fonction d’organisation des données Simplification des données en groupes Marketing : établissement d’un groupe de consommateurs Ciblage de mailing Description des groupes de données Compréhension des habitudes de consommation Finances : corrélations des cours de bourse
Le réseau de neurones, une « boîte noire » CONCLUSION L’objectif des réseaux de neurones : la récupération de certaines fonctionnalités du cerveau (capacités d’apprentissage, de généralisation et d’adaptation) Le réseau de neurones, une « boîte noire »