réseaux de neurones artificiels
•Descargar como PPTX, PDF•
7 recomendaciones•6,912 vistas
présentation générale des réseaux de neurones artificiels
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Similar a réseaux de neurones artificiels
Similar a réseaux de neurones artificiels (10)
Último
Último (15)
réseaux de neurones artificiels
- 1. 1
- 2. LES RÉSEAUX DE NEURONES par Oussama WERFELLI 2
- 3. PLAN Introduction Historique Les réseaux de neurones Quelques modèles & exemples Conclusion 3
- 4. INTRODUCTION L’objectif était de simuler l’intelligence humaine Modéliser mathématiquement le cerveau Afin de reproduire certaines caractéristiques Capacité de mémoire Capacité d’apprentissage Capacité de traiter les informations incomplètes 4
- 5. HISTORIQUE Warren McCulloch et Walter Pitts (1943): les premiers neurones formels Rosenblatt (1958): modèle avec processus d ’apprentissage, perceptron Rumelhart (1980): perceptron multicouches Mais ce n'est que depuis le début des années 1990 que les applications intéressantes des réseaux de neurones ont vu le jour 5
- 6. LES RÉSEAUX DE NEURONES 6
- 7. NEURONE BIOLOGIQUE & FORMEL 7 synapse Noyau Axone Dendrites f(..) poids entrées Fonction de transfert Sortie w x
- 8. DÉFINITIONS Un neurone formel : Est une fonction algébrique non linéaire et bornée, dont la valeur dépend de paramètres appelés coefficients synaptique ou poids Poids : Est une valeur numérique associé à une connexion entre deux unités qui reflète la force de la relation entre ces deux unités. Apprentissage d’un réseau : les caractéristiques (poids) du réseau sont modifiées jusqu’à ce que le comportement désiré soit obtenu. 8
- 9. NEURONE 9 x1 x2 x3 w1 w2 w3 Fonction de combinaison Z=x1.w1+x2.w2+x3.w3 Fonction d’activation f(Z) Avec Seuil θ Coefficient synaptique O Activation Entrées ∑ φ • en dessous du seuil, le neurone est non-actif • aux alentours du seuil, une phase de transition • au-dessus du seuil, le neurone est actif
- 10. DÉFINITIONS Un réseau de neurones artificielle : est un circuit composé d'un nombre très important d'unités de calcul simples basées sur des neurones formels . ’Albert Negrin,1993, Cambridge’ 10
- 11. CLASSIFICATION DES RÉSEAU DE NEURONES 11
- 12. QUELQUES MODÈLES & EXEMPLES 12
- 13. MLP(MULTI-LAYER PERCEPTRON) Le nombre de couches cachées et le nombre de neurones par couche ont une influence sur la qualité de l’apprentissage. 13 Couche d’entrer Couche de sortie Couche cachée
- 15. MLP : EXEMPLE (SUITE) 15
- 19. YOUTUBE UTILISE LES RÉSEAUX DE NEURONES 19
- 21. CONCLUSION Les réseaux de neurones sont utilisés dans plusieurs domaine notamment : Datamining : ils servent à prédire, à identifier et à classifier les données Finance et gestion : outil d'aide à la décision Robotique : apprentissage de robot autonome Etc… Les réseaux de neurones sont puissant : on peut presque toujours baisser l’erreur en augmentant le nombre de neurones Les solution actuels sont coûteuses en temps de calcule 21
- 22. MERCI POUR VOTRE ATTENTION 22
Notas del editor
- Tout ce qu’on a vu dans l’apprentissage est valable pour les réseau de neurone