RRN
Marc-Olivier LaBarre Mai 2002
SYMBOLISME Dans le texte qui suit, des symboles et des variables sont utilisées pour représenter les composantes des réseaux de neurones. Voici les définitions de ce symbolisme.
S
Système que représente le réseau de neurone, de l’extérieur
X
Vecteur d’intrant du réseau, ou d’une manière locale, vecteur d’intrant d’une couche du réseau. xi i-ème élément du vecteur d’intrant X
Y
Vecteur de sortie du réseau, ou d’une manière locale, vecteur de sortie produit par une couche du réseau. yi i-ème élément du vecteur de sortie Y wi Poids du i-ème intrant du neurone wi,j Poids sur le lien entre le neurone i et le neurone j
Wi
Vecteur de poids associé au neurone i
W
Matrice de poids, associée à une couche. f( )
Fonction d’activation d’un neurone θ Seuil d’activation d’un neurone
LISTE DES ABBRÉVIATIONS
PMC Perceptron Multicouche
ACP Analyse des Composantes Principales
Les réseaux de neurones sont une des composantes importantes du domaine de l’intelligence artificielle. Les réseaux de neurones « artificiels », pour les différencier des réseaux de neurones biologiques, sont composés de neurones artificiels simples, petites fonctions mathématiques, qui permettent, montés en réseau de former des fonctions complexes très utiles. Par analogie aux neurones biologiques, les neurones artificiels ont pour but de reproduire des raisonnements « intelligents » d’une manière artificielle. Ces neurones peuvent adopter de certaines qualités habituellement propres au biologique, c’est-à-dire, la généralisation, l’évolutivité, et une certaine forme de déduction.
La structure d’un neurone artificiel est en fait copiée sur la structure des neurones biologiques. Les principales structures biologiques des neurones ont toutes leur équivalent artificiel (voir plus bas), ceci ayant pour but de reproduire leur fonctionnement de la meilleure façon possible (d’une manière logique, simple et facilement représentable sur