ANALYSE NEURONALE
Les Reseaux de neurones sont utilises pour résoudre des cas complexes en optimisation
non lineaire.
Les Techniques utilisées sont basées sur le fonctionnement des neurones
du cerveau.
le Neurone biologique
Le neurone du cerveau peut être considéré comme un automate
comprenant:
la cellule centrale(ou soma)contenant le noyau
les dendrides recevant les signaux d'autres neurones par
l'intermediaire des synapses.
l'axone qui achemine l'information,en sortie de la cellule
vers les autres neurones
L'ensemble des signaux d'entrée(excité et inhibé) est moyenné. Si cette moyenne est suffisamment importante sur un laps de temps trés court,la cellule délivre un signal électrique aux cellules suivantes par l'intermediaire de son axone. Les impulsions délivrées(ou potentiel d'action) sont du type tout ou rien,cad que les neurones communiquent entre eux en langage binaire
le Neurone artificiel
Les reseaux neuronaux sont basés sur cette logique.
Ils sont utilisés soit
-pour quantifier les relations entre variables
En général,un réseau de neurones comprend
Une couche d'entrée qui contient donc les descripteurs(ou
colonnes).
Une couche de sortie qui contient la ou les variables à
corréler.
Une ou plusieurs couches "cachées".L'algorithme doit
déterminer le nombre de couches cachées et le nombre de
neurones par couches cachées.
-pour classer des données.
On ne donne pas de variables à corréler.
En général,ce type de réseau comprend
Une couche d'entrée qui contient donc les descripteurs(ou
colonnes).
Une couche de sortie .L'algorithme doit déterminer
le nombre de neurones de sortie qui pavent le mieux
les neurones d'entrée.
Le réseau est dit "Self organizing Method(SOM)'
En resume,tout reseau neuronal est une représentation
biologique du modèle humain.Un neurone est un automate
calculant la somme des poids des donnees d'entrée.
Si cette somme est superieure à une limite(threshold),
le neurone s'active et délivre un signal aux autres
neurones du reseau.
La définition de la fonction d'activation,l'architecture du
réseau sont donc les élements fondamentaux .
Les fonctions d'activation peuvent être:
des fonctions à seuil
des fonctions à valeurs discrétes
des fonctions linéaires
des fonctions non linéaires(sigmoide,TangenteHyperbolique..)
...
L'architecture du réseau est trés variée.Celle-ci définit les
connexions entre neurones qui ont ici la particularité d'être
pondérées.
RETROPROPAGATION
BOLTZMMAN
KOHONEN
RESONANCE
Webmaster:
Last
revised:05/2000