Académique Documents
Professionnel Documents
Culture Documents
Artificielle: Outils
Mathématiques
Les réseaux de neurones artificiels
Introduction à l’Intelligence Artificielle (IA)
• Strong AI vs Weak AI
• Niveau de compétence vs niveau de performance
• Algorithmique vs non algorithmique
• Vision analytique vs vision émergente de la
résolution de problèmes
• Matrix
Master 2 ESE Décembre 2022 12
Niveau de compétence VS
Niveau de performance
• Distinction introduite par Chomsky : faire
« comme » ou faire « aussi bien que ».
f(x)
5
min 1 f '2 ( x)dx
f C1 0
f (0) 0
x
f ( 2) 10
f ( 4) 11
f ( x) x 4 0 x : 1 x 3
f ' ( x ) 1 x : 0 x 4
Master 2 ESE Décembre 2022 16
Plus court chemin
(approche émergente)
f(x) f(x)
x
Master 2 ESE Décembre 2022 x
17
Sciences naturelles vs
Sciences de l’artificiel
• XIX :
– George Boole, The Laws of Thaught, 1854;
– Gottlob Frege (1879 – logique des prédicats)
substance = 2
material = 3 immaterial = 5
animate = 7 inanimate = 11
sensitive = 13 insensitive = 17
rational = 19 irrationnal = 23
…
Human = 2 x 3 x 7 x 13 x 19 = 10374
Mineral = 2 x 3 x 11 = 66
1 0.3
0
-1
1
0.5
input output
Système
controle
Master 2 ESE Décembre 2022 28
feedback
ENIAC 1945
• Electrical and Numerical Integrator and Calculator
• 10 khz (addition)
• Artificial Life
• Chimie computationnelle
• Evolutionary robotics
autre
dendrites
axone dendrite
soma
connexion
synaptique
0 1
1 1
0 Réseau 0
Stimulus 1 0 Réponse
1 1
1 0
0 1
0 0
• Efficaces lorsque
les systèmes sont
non linéaires
wi y = 1 si Σwixi>θ
xi Σ θ
= 0 sinon
sommation, seuillage
wn
xn
vecteur d’entrée
RNA vecteur de sortie
mais...
intelligence raisonnement
raisonnement logique
logique neurones
Master 2 ESE Décembre 2022 54
Synthèse des fonctions booléennes
Ainsi, les premiers travaux de McCulloch et Pitts ont été de
réaliser la synthèse des fonctions booléennes élémentaires
à partir de réseaux de neurones formels.
1950
Loi de renforcement de Hebb } notions fondatrices
Perceptron de Rosenblatt
1960 Adaline de Widrow
1970
cependant...
Master 2 ESE Décembre 2022 62
Neurone impulsionnel
Les neurobiologistes ont montré que les neurones encodent
l’information dans les instants d’émission des impulsions.
spiking neuron
tj (f)
neurones N1 neurone
t2(1) t2(2)
pré-synaptiques Nj
post-synaptique
tj (f)
1
Σk Ik = gNam3h(u-ENa) + gKn4(u-EK) + _ (u-EL)
R
... où les variables m, n et h sont elles-mêmes régies par
des équations différentielles, en fonction du temps.
Master 2 ESE Décembre 2022 65
Le modèle de Hodgkin-Huxley
Ce modèle est capable de rendre compte de la dynamique
d’émission d’un spike et de se comporter en neurone à seuil
Δu(t) [mV]
réponse du neurone
à une impulsion, i.e.
un courant d’entrée
de courte durée
0 5 10 15 20
t [ms] I(t) envoyé à t < 0
mais...
le modèle de Hodgkin-Huxley est beaucoup trop complexe
pour modéliser des réseaux de neurones temporels !
Master 2 ESE Décembre 2022 66
Le modèle LIF : “Leaky Integrate and Fire”
Le modèle “Leaky Integrate and Fire” est une
simplification du modèle de Hodgkin-Huxley :
I (t) courant d’entrée
u potentiel de membrane
R C V du 1
C __ = - _ u (t) + I (t)
dt R
Σ wijε(t-t^i-Δij)
uj (t) =Ni pré-
synap
tiques
ym
xn
x1 xn
un stimulus
est appliqué
en entrée,
entre 1000
et 2000 ms
[ Meunier ]
intelligence mémorisation
mémorisation associations
associations neurones
s s+Δij t t’ t
modélisation du seuil
u
εij(t-s) type B
mais :
la simple reproduction des modèles de 2nde génération
ne permet pas d’exploiter la pleine puissance de ces
modèles de 3ème génération que sont les SNN.
et des
pré
post
poids
inhibiteurs,
w<0
Master 2 ESE Décembre 2022 85
Difficultés, avec la STDP
Les poids synaptiques sont constamment modifiés
=> inconvénients de l’apprentissage “on-line” :
manque de stabilité
oubli du passé lointain
génération 1 génération 2
les poids
ne cessent
d’evoluer