Reseaux-de-neurones
Date de publication : Dernière mise à jour :
Cet article présente la théorie des réseaux de neurones feed-forward en partant de la description d'un seul neurone puis en arrivant progressivement au modèle de perceptron monocouche puis multicouche. Il présente également 3 algorithmes d'apprentissage, concernant les 2 derniers modèles.
Introduction aux Réseaux de Neurones Artificiels Feed Forward par Alp Mestan (Site perso de Alp) (Blog)
I - Introduction II - Une origine... biologique ! III - Un neurone seul III-1 - Entrées III-2 - Fonction d'activation III-C - Activation et condition d'activation III-D - Exemple en dimension 2 : la fonction booléenne OU IV - Réseau de neurones monocouche : le perceptron IV-1 - Modélisation Matricielle IV-2 - Evaluation : RdN(X) IV-3 - Les différents types de perceptrons IV-4 - Séparation linéaire et conditions d'approximabilité IV-5 - Comment choisir les poids ? V - Apprentissage simple du perceptron : méthode du gradient et algorithme de Widrow-Hoff V-1 - Apprentissage par descente de gradient V-2 - Apprentissage par l'algorithme de Widrow-Hoff VI - Les types de réseaux de neurones VII - Perceptron multicouche VII-1 - Evaluation : RdN(X) VII-2 - Dimensionner un perceptron multicouches VIII - Apprentissage du perceptron multicouches IX - Conclusion X - Remerciements XI - Annexe : Démonstration de la règle delta
-2Copyright © 2008 - Alp Mestan. Aucune reproduction, même partielle, ne peut être faite de ce site et de l'ensemble de son contenu : textes, documents, images, etc sans l'autorisation expresse de l'auteur. Sinon vous encourez selon la loi jusqu'à 3 ans de prison et jusqu'à 300 000 E de domages et intérêts. http://alp.developpez.com/ Introduction aux Réseaux de Neurones Artificiels Feed Forward par Alp Mestan (Site perso de Alp) (Blog)
I - Introduction
Plongeons-nous dans l'univers de la