Université d’Oran 1, Ahmed BenBella

Faculté des Sciences Exactes et Appliquées

Département d’Informatique

Laboratoire d’Informatique
Master 1 ADSI d’Oran (LIO)

Les Réseaux De Neurones

Dellali Leila benchouiakamel@hotmail.fr

Benchouia Kamel

Supervisés par Mme Taghzout Nouria

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.

 Un réseau de neurones artificiels s'inspire du

fonctionnement biologique du cerveau humain
et prend corps dans un
ordinateur.

06/04/2017 5
Objectifs

• Les objectifs des réseaux de neurones

sont :
 Découvrir la capacité d’apprentissage
 Découvrir la capacité de mémoriser l’information
et/ou le traitement des information incomplètes
 simuler les capacités humaines par ordinateur
 l'utilité de dans la fouille de données (datamining)

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

 Dans divers autres domaines

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

La reconnaissance de formes : est utile pour comprendre le

fonctionnement d'un réseau de neurones et sa capacité d'apprentissage. En
premier lieu, on "fait apprendre" au réseau de neurones une forme, une
image, une silhouette. On peut alors présenter au système une des images
qu’il a apprises soit incomplète soit erronée, et celui-ci sera capable de
reconnaître de quoi il s'agit. 

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