Réseau de neurones artificiels

Autres Fiches Conceptuelles

Posez une Question

(+)

Votre Publicité sur le Réseau

Traduction

Réseau de neurones artificiels (Français) / Artificial Neural Network (Anglais) / الشبكة العصبية الاصطناعية (Arabe)

(+)

Traductions

Définition

Domaine, Discipline, Thématique

(+)

Informatique / Intelligence artificielle / apprentissage automatique /

Justification

Définition écrite

Un réseau de neurones artificiels ou Neural Network est un système informatique s’inspirant du fonctionnement du cerveau humain pour apprendre

Les réseaux de neurones artificiels permettent aux ordinateurs de résoudre des problèmes de façon autonome et renforcent leurs capacités d’une manière générale. Certains nécessitent une supervision initiale, en fonction de la méthode d’intelligence artificielle utilisée.

Comment fonctionne un réseau neuronal artificiel ?

La conception des réseaux de neurones artificiels s'appuie sur la structure des neurones biologiques du cerveau humain.

Les réseaux de neurones artificiels peuvent être décrits comme des systèmes composés d’au moins deux couches de neurones - une couche d’entrée et une couche de sortie - et comprenant généralement des couches intermédiaires (« hidden layers »). Plus le problème à résoudre est complexe, plus le réseau de neurones artificiels doit comporter de couches. Chaque couche contient un grand nombre de neurones artificiels spécialisés En règle générale, un réseau de neurones repose sur un grand nombre de processeurs opérant en parallèle et organisés en tiers. Le premier tiers reçoit les entrées d’informations brutes, un peu comme les nerfs optiques de l’être humain lorsqu’il traite des signaux visuels.

Par la suite, chaque tiers reçoit les sorties d’informations du tiers précédent. On retrouve le même processus chez l’Homme, lorsque les neurones reçoivent des signaux en provenance des neurones proches du nerf optique. Le dernier tiers, quant à lui, produit les résultats du système.

Par le biais d’un algorithme, le réseau de neurones artificiels permet à l’ordinateur d’apprendre à partir de nouvelles données. L’ordinateur doté du réseau de neurones apprend à effectuer une tâche en analysant des exemples pour s’entraîner. Ces exemples ont préalablement été étiquetés afin que le réseau puisse savoir ce dont il s’agit.

Par exemple, un réseau de neurones peut être utilisé pour apprendre à l’ordinateur à reconnaître des objets. Un grand nombre d’objets d’une même catégorie est présenté au réseau de neurones, et l’ordinateur apprendre à reconnaître cet objet sur de nouvelles images en analysant les patterns récurrentes au sein des images d’exemple. Ainsi, en analysant des milliers de photos de chats, le Neural Network apprendra à reconnaître un chat sur n’importe quelle photo.

(+)

Exemples d'applications des réseaux de neurones artificiels: traitement d'image : compression d'images, reconnaissance de caractères et de signatures, reconnaissance de formes et de motifs, chiffrement[1], classification, ... traitement du signal : traitement de la parole, identification de sources, filtrage, classification, ... traitement automatique des langues : segmentation en mots, représentation sémantique des mots (plongements lexicaux), étiquetage morpho-syntaxique, 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 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

Réseau de neurones artificiels - Historique (+)

Définition graphique

• 

  Titre de Votre Image 1

• 

  Titre de Votre Image 2

• 

  Titre de Votre Image 3

{{{AutresMedias}}}

Concepts ou notions associés

(+)

réseau de neurones / apprentissage automatique / Apprentissage profond /

Réseau de neurones artificiels - Glossaire / (+)

Exemples, applications, utilisations

traitement d'image : compression d'images, reconnaissance de caractères et de signatures, reconnaissance de formes et de motifs, chiffrement[1], classification,... traitement du signal : traitement de la parole, identification de sources, filtrage, classification, ... traitement automatique des langues : segmentation en mots, représentation sémantique des mots (plongements lexicaux), étiquetage morpho-syntaxique, 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 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 (+)

Erreurs ou confusions éventuelles

• Confusion entre ....... - ........
• Confusion entre ....... - ........
• Erreur fréquente: ....................

(+)

Questions possibles

• ..................?
• ..................?
• ..................?

(+)

Liaisons enseignements et programmes

Idées ou Réflexions liées à son enseignement

• ..................

• .................

• ..................

• .................

(+)

Aides et astuces

• ..................

• .................

• ..................

• .................

Education: Autres liens, sites ou portails

• ..................
• ..................
• ..................

Bibliographie

Pour citer cette page: (de neurones artificiels)

ABROUGUI, M & al, 2021. Réseau de neurones artificiels. In Didaquest [en ligne]. <http:www.didaquest.org/wiki/R%C3%A9seau_de_neurones_artificiels>, consulté le 23, mai, 2024

https://www.lebigdata.fr/reseau-de-neurones-artificiels-definition

• ..................
• ..................
• ..................

Donnez votre avis sur les fiches conceptuelles