SlideShare une entreprise Scribd logo
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 certaines caractéristiques
 Capacité de mémoire
 Capacité d’apprentissage
 Capacité de traiter les informations incomplètes
4
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
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 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
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
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
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 qualité
de l’apprentissage.
13
Couche d’entrer
Couche de sortie
Couche cachée
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, 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
MERCI POUR VOTRE ATTENTION
22

Contenu connexe

Tendances

Les réseaux de neurones
Les réseaux de neuronesLes réseaux de neurones
Les réseaux de neurones
Mariam Amchayd
 
Deep learning
Deep learningDeep learning
Deep learning
Bilal Rezkellah
 
Introduction to Machine learning
Introduction to Machine learningIntroduction to Machine learning
Introduction to Machine learning
Quentin Ambard
 
Intelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielleIntelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielle
ECAM Brussels Engineering School
 
Les réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNNLes réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNN
SALMARACHIDI1
 
Comprendre l’intelligence artificielle [webinaire]
Comprendre l’intelligence artificielle [webinaire]Comprendre l’intelligence artificielle [webinaire]
Comprendre l’intelligence artificielle [webinaire]
Technologia Formation
 
5.4 Arbres et forêts aléatoires
5.4 Arbres et forêts aléatoires5.4 Arbres et forêts aléatoires
5.4 Arbres et forêts aléatoires
Boris Guarisma
 
Réseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTMRéseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTM
Jaouad Dabounou
 
5.5 Clustering
5.5 Clustering5.5 Clustering
5.5 Clustering
Boris Guarisma
 
Intelligence artificielle
Intelligence artificielleIntelligence artificielle
Intelligence artificielle
hadjerdermane
 
Apprentissage supervisé.pdf
Apprentissage supervisé.pdfApprentissage supervisé.pdf
Apprentissage supervisé.pdf
hanamettali
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
Mohamed Heny SELMI
 
Ia project Apprentissage Automatique
Ia project Apprentissage AutomatiqueIa project Apprentissage Automatique
Ia project Apprentissage Automatique
Nizar Bechir
 
Perceptron monocouche en français
Perceptron monocouche en françaisPerceptron monocouche en français
Perceptron monocouche en français
Hakim Nasaoui
 
Exposé segmentation
Exposé segmentationExposé segmentation
Exposé segmentation
Donia Hammami
 
Réseaux neurons
Réseaux neuronsRéseaux neurons
Réseaux neurons
sadjida bellatreche
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
PROF ALAIN NDEDI
 
Intelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agentIntelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agent
Noureddine Djebbari
 
Chapitre 4-Apprentissage non supervisé (1) (1).pdf
Chapitre 4-Apprentissage non supervisé (1) (1).pdfChapitre 4-Apprentissage non supervisé (1) (1).pdf
Chapitre 4-Apprentissage non supervisé (1) (1).pdf
ZizoAziz
 

Tendances (20)

Les réseaux de neurones
Les réseaux de neuronesLes réseaux de neurones
Les réseaux de neurones
 
Deep learning
Deep learningDeep learning
Deep learning
 
Introduction to Machine learning
Introduction to Machine learningIntroduction to Machine learning
Introduction to Machine learning
 
Intelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielleIntelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielle
 
Les réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNNLes réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNN
 
Comprendre l’intelligence artificielle [webinaire]
Comprendre l’intelligence artificielle [webinaire]Comprendre l’intelligence artificielle [webinaire]
Comprendre l’intelligence artificielle [webinaire]
 
5.4 Arbres et forêts aléatoires
5.4 Arbres et forêts aléatoires5.4 Arbres et forêts aléatoires
5.4 Arbres et forêts aléatoires
 
Réseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTMRéseaux de neurones récurrents et LSTM
Réseaux de neurones récurrents et LSTM
 
5.5 Clustering
5.5 Clustering5.5 Clustering
5.5 Clustering
 
Intelligence artificielle
Intelligence artificielleIntelligence artificielle
Intelligence artificielle
 
Apprentissage supervisé.pdf
Apprentissage supervisé.pdfApprentissage supervisé.pdf
Apprentissage supervisé.pdf
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
 
Ia project Apprentissage Automatique
Ia project Apprentissage AutomatiqueIa project Apprentissage Automatique
Ia project Apprentissage Automatique
 
Perceptron monocouche en français
Perceptron monocouche en françaisPerceptron monocouche en français
Perceptron monocouche en français
 
Exposé segmentation
Exposé segmentationExposé segmentation
Exposé segmentation
 
Algorithme knn
Algorithme knnAlgorithme knn
Algorithme knn
 
Réseaux neurons
Réseaux neuronsRéseaux neurons
Réseaux neurons
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
 
Intelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agentIntelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agent
 
Chapitre 4-Apprentissage non supervisé (1) (1).pdf
Chapitre 4-Apprentissage non supervisé (1) (1).pdfChapitre 4-Apprentissage non supervisé (1) (1).pdf
Chapitre 4-Apprentissage non supervisé (1) (1).pdf
 

Similaire à réseaux de neurones artificiels

coursHPM-M2-RIA-nov05.ppt
coursHPM-M2-RIA-nov05.pptcoursHPM-M2-RIA-nov05.ppt
coursHPM-M2-RIA-nov05.ppt
AyaDrief
 
réseaux de neurons temporels dynqmique et apprentissage
réseaux de neurons temporels dynqmique et apprentissageréseaux de neurons temporels dynqmique et apprentissage
réseaux de neurons temporels dynqmique et apprentissage
billalbeldjenna
 
A 4 RNAs.pdf
A 4 RNAs.pdfA 4 RNAs.pdf
A 4 RNAs.pdf
ZizoAziz
 
Rapport projet Master 2 - Intelligence Artificielle
Rapport projet Master 2 - Intelligence ArtificielleRapport projet Master 2 - Intelligence Artificielle
Rapport projet Master 2 - Intelligence Artificielle
Yanis Marchand
 
Delorme nis1998
Delorme nis1998Delorme nis1998
Delorme nis1998
Khalifa Bakkar
 
Rc ia-benmammar
Rc ia-benmammarRc ia-benmammar
Rc ia-benmammar
Hakim maximwell
 
Apprentissage du quantron : un problème d\’optimisation non différentiable
Apprentissage du quantron : un problème d\’optimisation non différentiableApprentissage du quantron : un problème d\’optimisation non différentiable
Apprentissage du quantron : un problème d\’optimisation non différentiable
sdemontigny
 
TP_Réseaux_de_neurones_Safae_ElOmari.pdf
TP_Réseaux_de_neurones_Safae_ElOmari.pdfTP_Réseaux_de_neurones_Safae_ElOmari.pdf
TP_Réseaux_de_neurones_Safae_ElOmari.pdf
SafaeElOmari
 
Neuro sciences
Neuro sciencesNeuro sciences
Neuro sciences
YakoubAbdallahOUARDI
 
classification des images couleurs par un réseau de neurone quaternionique ré...
classification des images couleurs par un réseau de neurone quaternionique ré...classification des images couleurs par un réseau de neurone quaternionique ré...
classification des images couleurs par un réseau de neurone quaternionique ré...
Amal Targhi
 
Algorithmes machine learning/ neural network / deep learning
Algorithmes machine learning/ neural network / deep learningAlgorithmes machine learning/ neural network / deep learning
Algorithmes machine learning/ neural network / deep learning
Bassem Brayek
 

Similaire à réseaux de neurones artificiels (12)

coursHPM-M2-RIA-nov05.ppt
coursHPM-M2-RIA-nov05.pptcoursHPM-M2-RIA-nov05.ppt
coursHPM-M2-RIA-nov05.ppt
 
réseaux de neurons temporels dynqmique et apprentissage
réseaux de neurons temporels dynqmique et apprentissageréseaux de neurons temporels dynqmique et apprentissage
réseaux de neurons temporels dynqmique et apprentissage
 
Cours rn 2006
Cours rn 2006Cours rn 2006
Cours rn 2006
 
A 4 RNAs.pdf
A 4 RNAs.pdfA 4 RNAs.pdf
A 4 RNAs.pdf
 
Rapport projet Master 2 - Intelligence Artificielle
Rapport projet Master 2 - Intelligence ArtificielleRapport projet Master 2 - Intelligence Artificielle
Rapport projet Master 2 - Intelligence Artificielle
 
Delorme nis1998
Delorme nis1998Delorme nis1998
Delorme nis1998
 
Rc ia-benmammar
Rc ia-benmammarRc ia-benmammar
Rc ia-benmammar
 
Apprentissage du quantron : un problème d\’optimisation non différentiable
Apprentissage du quantron : un problème d\’optimisation non différentiableApprentissage du quantron : un problème d\’optimisation non différentiable
Apprentissage du quantron : un problème d\’optimisation non différentiable
 
TP_Réseaux_de_neurones_Safae_ElOmari.pdf
TP_Réseaux_de_neurones_Safae_ElOmari.pdfTP_Réseaux_de_neurones_Safae_ElOmari.pdf
TP_Réseaux_de_neurones_Safae_ElOmari.pdf
 
Neuro sciences
Neuro sciencesNeuro sciences
Neuro sciences
 
classification des images couleurs par un réseau de neurone quaternionique ré...
classification des images couleurs par un réseau de neurone quaternionique ré...classification des images couleurs par un réseau de neurone quaternionique ré...
classification des images couleurs par un réseau de neurone quaternionique ré...
 
Algorithmes machine learning/ neural network / deep learning
Algorithmes machine learning/ neural network / deep learningAlgorithmes machine learning/ neural network / deep learning
Algorithmes machine learning/ neural network / deep learning
 

réseaux de neurones artificiels

Notes de l'éditeur

  1. Tout ce qu’on a vu dans l’apprentissage est valable pour les réseau de neurone