Académique Documents
Professionnel Documents
Culture Documents
z Début en 1943 : par W. MCCulloch et W. Pitts du neurone formel qui est une
abstraction du neurone physiologique
z En 1949, D. Hebb présente dans son ouvrage "The Organization of Behavior" une
règle d'apprentissage. De nombreux modèles de réseaux aujourd'hui s'inpirent
encore de la règle de Hebb.
z En 1958, F. Rosenblatt développe le modèle du Perceptron. C'est un réseau de
neurones inspiré du système visuel. Il posséde deux couches
z de neurones : une couche de perception et une couche lié à la prise de décision.
C'est le premier système artificiel capable d'apprendre par
z expérience.
z Dans la même période, L'Adaline (ADAptive LINar Element) a été présenté par B.
Widrow, chercheur américain à Stanford. base des réseaux multi-couches.
Présentation & historique des réseaux
neuronaux
Le neurone
x1
w
1
v
e x2
c n
Fonction 1
t ... ∑ w⋅x
i i
e i=1 seuil -1
u
r
xn w n
Modèle de Kohonen
x1 x2 ... ... xn
vecteur de paramètres
Autre possibilité : structure hexagonale
Apprentissage
* Un vecteur en entrée
* Compétition entre les neurones : calcul de la
distance entre le vecteur en entrée et tous les neurones
* Un neurone vainqueur
z Equations d’apprentissage
0 Distance p/r au
neurone
vainqueur
Réseau de neurones
4/ Reconnaissance
Reconnaissance
* Un vecteur en entrée
* Un neurone réagit
z A/ LVQ 1
z
z - L’apprentissage se fait en fournissant des vecteurs étiquetés : la
classe est donnée avec les valeurs caractéristiques.
z - La même règle de calcul des poids est appliquée, pour le neurone
vainqueur et pour ses voisins, à ceci près que l’on regarde aussi la
classe du neurone vainqueur. Si celle-ci est différente de la classe
du vecteur en entrée, on « éloigne » le neurone de cette classe
(décrémentation des poids), pour qu’il ne gagne pas la fois
suivante, et qu’il puisse ainsi rejoindre sa bonne classe.
Le LVQ 2
X (classe B)
Wj (classe B)
LVQ2
d d 1− w
min( , ) > s
i j
avec s=
d d
j i
1+ w
Applications concernées
z Aide à la décision
z Classification supervisée / non supervisée
z Data mining
z Segmentation des images à base de classification à base
d’attributs, …