Académique Documents
Professionnel Documents
Culture Documents
Laboratoire d’Informatique
Master 1 ADSI d’Oran (LIO)
2016/2017
06/04/2017 1
Les Réseaux Des Neurones
06/04/2017 2
Plan
Introduction
Définitions des réseaux de neurones
Objectifs
Les Avantages
Les Limites
Applications des réseaux de neurones
Exemples
Conclusion
06/04/2017 3
Introduction
Apparition des réseaux de neurones
Les dates clés
1890 Concept de mémoire associative - Loi de fonctionnement pour
l'apprentissage
1943 Modélisation du neurone biologique en neurone formel
1949 Règle de Hebb
1957 Modèle du Perceptron - Premier neuro-ordinateur
1960 Modèle ADALINE (ADAptative LINear Element) inspiré du Perceptron
1969 Mise en avant des limites du Perceptron - Abandon des recherches
1967-1982 Poursuite déguisée des recherches
1982 Théorie du fonctionnement et des possibilités des réseaux de neurones
1983 Machine de Boltzmann
1985 Réseaux de neurones multicouches Rétro propagation du gradient
06/04/2017 4
Définitions
Un réseau est un ensemble d'éléments
interconnectés entre eux pour échanger des
informations.
06/04/2017 5
Objectifs
06/04/2017 6
Les Avantages
Souplesse des réseaux de neurones : Les réseaux de neurones
ont la capacité de traiter des problèmes divers et variés.
Bons résultats : Les réseaux de neurones donnent de bons résultats
car même dans des domaines très complexes, ils sont plus performants
que les statistiques ou les arbres de décisions
Pertinence des données analysées : Les réseaux de neurones
peuvent travailler sur des données incomplètes ou bruitées.
Base d'apprentissage : Les réseaux de neurones
artificiels ont besoin de cas réels servant d’exemples pour
leur apprentissage.
06/04/2017 7
Les Limites
Explication des résultats : Les réseaux de neurones ne fournissent
pas les explications concernant leurs résultats ce qui limite donc l'analyse
des phénomènes existants.
Non optimalité de l'architecture : Il n'existe pas encore de moyens
permettant de définir l'architecture optimale du réseau de neurones.
L'intervention humaine : Comme c’est le cas du choix de la
structure optimale du réseau de neurones, ce système fait souvent appel à
l'intuition de l'utilisateur. L'apprentissage est guidé par des paramètres
définis manuellement par l'opérationnel.
06/04/2017 8
Applications des réseaux de neurones
Aujourd'hui, les réseaux de neurones ont de nombreuses
applications dans des domaines très variés :
traitement d'image : compression d'images, cryptage, classification, ...
traitement du signal : traitement de la parole, identification de sources,
filtrage, classification, ...
traitement automatique des langues : segmentation en mots,
représentation sémantique des mots, traduction automatique, ...
contrôle : diagnostic de pannes, commande de processus, contrôle
qualité, robotique, ...
optimisation : allocation de ressources, planification, régulation de
trafic, gestion, finance, ...
simulation : simulation boîte noire, prévisions météorologiques
06/04/2017 9
Applications des réseaux de neurones
classification d'espèces animales étant donnée une analyse ADN
modélisation de l'apprentissage et perfectionnement des méthodes
de l'enseignement
approximation d'une fonction inconnue ou modélisation d'une
fonction connue mais complexe à calculer avec précision
06/04/2017 10
Applications des réseaux de neurones
Applications dans diverses industries
En gestion et finance
06/04/2017 11
Exemples
Les estimations boursières
Les réseaux de neurones peuvent être utilisés comme un outil d'estimations
boursières. L’analyse boursière est fondée sur le principe suivant : l'information
sur l'évolution d'un cours boursier est contenue dans les valeurs prises par celui-
ci à date antérieure. Comment déterminer l'influence de ces valeurs ? L'objectif
est que le réseau de neurones apprenne, dans un certain nombre de cas,
l'évolution du cours boursier pour en déduire par imitation, l'évolution de celui-
ci à date postérieure. Les réseaux de neurones permettent donc les actions
suivantes :
-Apprentissage de la valeur de l'entreprise en fonction des données disponibles telles
que le bénéfice, le chiffre d'affaires, l'endettement à court et moyen terme, le nombre
de commandes, etc.
-Prédictions sur la périodicité des cours de bourse Ils constituent donc une aide à la
prise de décisions concernant un achat boursier en fonction de l'évolution du
cours.
06/04/2017 12
Exemples
06/04/2017 13
Exemple
06/04/2017 14
Conclusion
Les réseaux de neurones artificiels, s’inspire du
comportement du cerveau humain.
ils servent à prédire, à identifier et à classifier les données.
L'apprentissage, moteur essentiel du système, leur permet
d'assimiler un traitement d'information.
ils peuvent être utiles à bien d'autres applications dans des
secteurs allant de l'archéologie à la médecine en passant
par les télécommunications.
06/04/2017 15
BIBLIOGRAPHIE
polys. (s.d.). apprentissage/sortie005.html. Consulté le 04 01,
2017, sur grappa.univ-lille3:
http://www.grappa.univ-lille3.fr/polys/apprentissage/sortie005.
html
wiki. (s.d.). Réseau_de_neurones_artificiels. Consulté le 04 04,
2017, sur wikipedia:
https://fr.wikipedia.org/wiki/Réseau_de_neurones_artificiels
wiki. (s.d.). Réseaux_de_neurones. Consulté le 03 21, 2017,
sur wikiversity:
https://fr.wikiversity.org/wiki/Réseaux_de_neurones
06/04/2017 16
06/04/2017 17