ROUSSILLON Cyril

Lycée Victor Hugo BESANCON

TIIPE 2003 – 2004 T PE 2003 – 2004
Dossier

PRÉVISION DE TEMPÉRATURE PAR RÉSEAUX NEURONAUX

IINTRODUCTIION NTRODUCT ON
Les réseaux de neurones artificiels, ou réseaux neuromimétiques, sont des modèles inspirés du fonctionnement du cerveau animal, et dont le but est de voir surgir des propriétés analogues au système biologique. Ils en reprennent quelques grands principes : - le parallélisme : les neurones sont des entités réalisant une fonction très simple, mais ils sont très fortement interconnectés entre eux, ce qui rend le traitement du signal massivement parallèle. - les poids synaptiques : les connexions entre les neurones ont des poids variables, qui déterminent la force de l’interaction entre chaque paire de neurones. - l’apprentissage : ces coefficients synaptiques sont modifiables lors de l'apprentissage, dans le but de faire réaliser au réseau la fonction désirée. La fonction que réalise un réseau dépend de sa structure (connexions et forces des connexions) ainsi que de l'opération effectuée par les neurones. L'essentiel de l'étude des réseaux neuronaux (le connexionnisme), consiste en la mise au point et l'optimisation de méthodes d'apprentissage.

Parmi leurs nombreuses applications, ils sont en particulier utilisés pour effectuer des prévisions, notamment météorologiques, et en reconnaissance de formes. J’ai choisi de me consacrer à ces applications car elles offrent des retombées dans le domaine de l’environnement, en permettant par exemple des économies d’énergie, de prévoir les pics d’ozone ou de détecter des nappes de pétrole dans l’océan.

Je commence dans ce dossier par une présentation générale des réseaux de neurones artificiels, ainsi que quelques notions d’optimisation. Je m’intéresse ensuite aux propriétés des réseaux multicouches et à leur apprentissage, pour finalement présenter leurs applications ainsi que mes réalisations pratiques.

TIPE Prévision de température par réseaux neuronaux – page