1 Le réseau de neurones Professeur: Bui Quang Anh L’universitaire imaginaire de l’IFI
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
1
Le réseau de neurones
Professeur: Bui Quang AnhL’universitaire imaginaire de l’IFI
2
Le but du cours
La connaissance principale du réseau de neurones
Les domaines d’application Les étudiants peuvent construire
des applications simples
3
Sommaire
1. L’histoire2. La connaissance de base du
cerveau3. Les principes du réseau de
neurones4. Les domaines d’application
4
L’histoire
En 1929, la mesure de l’activité d’un cerveau a commencé
En 1951, le premier ordinateur à réseau de neurones
En 1986, le perceptron multi-couche et l’algorithm “Backpropagation” apparait
5
La connaissance de base du cerveau
Le réseau de neurones est modelé sur le système biologique
Il simule le procédé du cerveau
6
La connaissance de base du cerveau
Dans le cerveau, il y a beaucoup de neurones
Les neurones se connectent par les synapes
Il y a des signaux qui sont transmis dans les neurones
7
La structure d’une neurone
8
Les dendrites
Ils se présentent sous forme d'arborisations fines et courtes
Le nombre des dendrites varie selon chaque type de cellule
9
L’axone
L'axone se présente sous forme d'une tige allongée, de surface lisse, de calibre invariable
Il y a un seul axone par cellule nerveuse
L’intensité du signaul dépend au longeur de l’axone
10
Le potentiel d'action
Dans le noyau, le pontentiel de repos est -70mV
Le potentiel évalué sont produises aux dendrites
Si le total d’intensité de signaux est augmenté ~15mV (le pontentiel est de –70mV -> -55mV), la neurone “brulera”
11
Les principes du réseau de neurones
Le réseau de neurones simule le système de neurones biologiques
12
Les principes du réseau de neurones
Les couches de neurones
Les neurones d’une couche se connectent aux neurones d’autre couche par les synapes
Chaque synape a un poids lourd
13
Les principes du réseau de neurones
L’intensité du signal qui est transmis dans le synape est multiplié par le poids lourd
La fonction d’activation
14
Quelques types de fonction d’activation
15
L’apprentisage
Un ensemble d’exemples On va changer les poids lourds si
le résultat n’est pas vrai La fonction d’erreur et le taux
d’apprentisage: comment on va changer les poids lourds
16
Le perceptrons
On l’utilise pour le classifieur linéaire
17
Le classifieur linéaire? Qu’est-ce que c’est
18
Un exemple
Il y a deux type d’objects que l’on doit classifier
19
Un exemple
Voici la structure du perceptrons pour ce problème
20
Un exemple
t: le rendement de cible de cette formation o: le seuil : le taux d’apprentisage (la constante
positive)
wi wi + wi
wi (t – o)xi
21
Un exemple
w0 w1 w2 x1 x2 t = x1 x2 o = /w0 + w1x1 + w2x2/
w0 w1 w2
1 0 1 1 1 1 1 2 2 2
1 2 1 1 1 1 1 2 2 2
1 0 3 1 1 1 1 0 0 0
1 0 3 1 1 1 1 2 2 2
1 2 1 1 1 1 1 0 0 0
1 2 1 1 1 1 1 0 0 0
1 2 1 1 1 1 1 0 0 0
1 2 1 1 1 1 1 0 0 0
22
Les domaines d’application
L’identification La classification Les systèmes experts
23
La fin
Merci d’avoir suivi ma présentation
Related Documents
