Académique Documents
Professionnel Documents
Culture Documents
I. Introduction
On sait que le comportement intelligent de l’Homme est réalisé grâce à un ensemble de
mécanismes mentaux effectués par le cerveau. L’unité fondamentale du cerveau est le
neurone.
II. Définitions
1. Le neurone biologique
C’est une cellule avec un noyau. Le corps cellulaire ramène l’information de l’extérieur par
une chevelure appelée dendrites. L’information est traitée par le neurone puis est acheminée
vers d’autres neurones par l’axone (figure 1).
2. Le neurone artificiel (ou neurone formel)
Des chercheurs ont montré que l’on pouvait s’inspirer du neurone biologique pour concevoir
des processus pour résoudre des problèmes de l’électronique, les télécommunications, les
finances etc. Dans ce cas, on cherche à s’inspirer du traitement de l'information effectué par le
cerveau. Le modèle mathématique du neurone biologique est appelé neurone artificiel ou
neurone formel (Figure 1). C’est en 1943 que J. Mc Culloch et W. Pitts ont modélisé le
neurone biologique (MCP). J. Mc Culloch et W. Pitts ont été les premiers chercheurs à
montrer que des réseaux de neurones formels simples peuvent réaliser des fonctions logiques
et arithmétiques, ce domaine n’a cessé depuis de prendre de l’essor.
N.Achour Page 1
USTHB - FGE Master Automatique et Systèmes
En 1958, F.Rosenblatt a introduit le concept de perceptron qui est une version améliorée du
neurone artificiel MCP, en effet le perceptron a la capacité d’apprendre.
Figure 3
La non linéarité est introduite par la fonction d’activation (.) qui est une fonction non
linéaire, sa forme peut être (Figure 4):
N.Achour Page 2
a
USTHB - FGE Master Automatique et Systèmes
y=(a) y=(a)
y=(a) y=(a)
a
a
Un neurone est donc un graphe direct constitué de nœuds et de liens (ou connexions)
synaptiques et d’un lien d’activation, il est caractérisé par quatre propriétés :
Un neurone est représenté par des liens synaptiques linéaires, un biais et d’un lien
d’activation
Les liens synaptiques pondèrent les signaux entrées (x1, x2, …xm)
La somme pondérée des signaux d’entrée produit un champ local induit ‘’a’’
Le lien d’activation va produire la sortie via la fonction (.).
Figure 5
Figure 6.
N.Achour Page 3
USTHB - FGE Master Automatique et Systèmes
Le neurone de la figure 6 réalise une simple somme pondérée de ses entrées, compare une
valeur de seuil, et fournit une réponse binaire en sortie.
Exemple : Sachant que les poids du Perceptron à deux entrées sont les suivants : w1 = 0.2, w2
= 0.1 et que la valeur de seuil est S = 0.2, son comportement est il un ET logique, un OU
logique ou un XOR logique ?
N.Achour Page 4
USTHB - FGE Master Automatique et Systèmes
Figure 7
Figure 8
N.Achour Page 5
USTHB - FGE Master Automatique et Systèmes
Les différentes tâches qui peuvent être réalisées par les réseaux de neurones sont :
Association
Reconnaissance de forme (Pattern Recognition)
Approximation de fonctions
Commande de processus
Identification
Inversion d’un modèle
Filtrage
N.Achour Page 6