1
LES RÉSEAUX DE
NEURONES
par Oussama WERFELLI
2
PLAN
Introduction
Historique
Les réseaux de neurones
Quelques modèles & exemples
Conclusion
3
INTRODUCTION
L’objectif était de simuler l’intelligence humaine
Modéliser mathématiquement le cerveau
Afin de reproduire c...
HISTORIQUE
Warren McCulloch et Walter Pitts (1943): les premiers neurones
formels
Rosenblatt (1958): modèle avec processus...
LES RÉSEAUX DE NEURONES
6
NEURONE BIOLOGIQUE & FORMEL
7
synapse
Noyau
Axone
Dendrites
f(..)
poids
entrées
Fonction de
transfert
Sortie
w
x
DÉFINITIONS
Un neurone formel : Est une fonction algébrique non linéaire et
bornée, dont la valeur dépend de paramètres ap...
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
Coefficien...
DÉFINITIONS
Un réseau de neurones artificielle
: est un circuit composé d'un
nombre très important d'unités
de calcul simp...
CLASSIFICATION DES RÉSEAU DE
NEURONES
11
QUELQUES MODÈLES & EXEMPLES
12
MLP(MULTI-LAYER PERCEPTRON)
Le nombre de couches
cachées et le nombre
de neurones par
couche ont une
influence sur la qual...
MLP : EXEMPLE
14
https://www.youtube.com/watch?v=Iv_Fy6Urik4
MLP : EXEMPLE (SUITE)
15
HOPFIELD
16
x1
x4
x5x2
x3
x6
HOPFIELD : EXEMPLE
17
https://www.youtube.com/watch?v=SL8vSUoeWjU
HOPFIELD : EXEMPLE
18
https://www.youtube.com/watch?v=69ysnJfMX2k
YOUTUBE UTILISE LES RÉSEAUX
DE NEURONES
19
SWIFTKEY NEURAL
20
CONCLUSION
Les réseaux de neurones sont utilisés dans plusieurs domaine
notamment :
 Datamining : ils servent à prédire, ...
MERCI POUR VOTRE ATTENTION
22
Prochain SlideShare
Chargement dans…5
×

réseaux de neurones artificiels

968 vues

Publié le

présentation générale des réseaux de neurones artificiels

Publié dans : Ingénierie
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
968
Sur SlideShare
0
Issues des intégrations
0
Intégrations
10
Actions
Partages
0
Téléchargements
133
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive
  • Tout ce qu’on a vu dans l’apprentissage est valable pour les réseau de neurone
  • réseaux de neurones artificiels

    1. 1. 1
    2. 2. LES RÉSEAUX DE NEURONES par Oussama WERFELLI 2
    3. 3. PLAN Introduction Historique Les réseaux de neurones Quelques modèles & exemples Conclusion 3
    4. 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. 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. 6. LES RÉSEAUX DE NEURONES 6
    7. 7. NEURONE BIOLOGIQUE & FORMEL 7 synapse Noyau Axone Dendrites f(..) poids entrées Fonction de transfert Sortie w x
    8. 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. 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. 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. 11. CLASSIFICATION DES RÉSEAU DE NEURONES 11
    12. 12. QUELQUES MODÈLES & EXEMPLES 12
    13. 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
    14. 14. MLP : EXEMPLE 14 https://www.youtube.com/watch?v=Iv_Fy6Urik4
    15. 15. MLP : EXEMPLE (SUITE) 15
    16. 16. HOPFIELD 16 x1 x4 x5x2 x3 x6
    17. 17. HOPFIELD : EXEMPLE 17 https://www.youtube.com/watch?v=SL8vSUoeWjU
    18. 18. HOPFIELD : EXEMPLE 18 https://www.youtube.com/watch?v=69ysnJfMX2k
    19. 19. YOUTUBE UTILISE LES RÉSEAUX DE NEURONES 19
    20. 20. SWIFTKEY NEURAL 20
    21. 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. 22. MERCI POUR VOTRE ATTENTION 22

    ×