Administration d'un big data sous mongodb et extraction de connaissance par réseau de neurones.

III.3.2. Présentation des réseaux de neurones

Les méthodes neuronales se sont développées depuis ces trente dernières années simultanément au paradigme de l'apprentissage (machine learning). Selon ce paradigme, les machines ne sont pas programmées à l'avance pour une taches donnée (par exemple, la reconnaissance d'une forme), mais « apprennent » à effectuer cette tâche à partir d'exemples.

Un problème typique d'apprentissage consiste à apprendre à prédire une variable Y, appelée réponse ou variable de sortie, à partir d'une variable X (appelée variable d'entrée ou vecteur de caractéristiques). En général, la relation entre Y et X est stochastique. Le couple (X, Y) obéit à une certaine loi de probabilité, notée p, et on dispose d'un ensemble d'apprentissage (x₁,y₁), ..., (x_n, y_n) constitué de données indépendantes observées à partir de la loi p. dans cet échantillon, y_i est la réponse correspondant à l'entrée x_i.

Le problème d'apprentissage consiste à construire une fonction f (ou machine) à partir des données (x₁, y₁), ..., (x_n, y_n) de sorte que f(X) soit une bonne approximation de la réponse souhaitée Y. souvent, on choisit f de manière à minimiser un critère fonctionnel.

Les réseaux de neurones sont utilisés comme outils de modélisation par apprentissage, qui permettent d'ajuster des fonctions non linéaires très générales à des ensembles de points ; comme toute méthode qui s'appuie sur des techniques statistiques, l'utilisation de réseaux de neurones nécessite que l'on dispose de données suffisamment nombreuses et représentatives. Le neurone artificiel est calqué sur le modèle biologique. Nous allons donc commencer par donner un petit aperçu sur le neurone biologique. Ces données nous sont nécessaires pour aborder la suite de notre chapitre sur le réseau de neurones artificiels.

III.3.3. Neurone biologique

Le cerveau se compose d'environ 10¹² neurones (mille milliards), avec 1000 à 10000 synapses (connexions) par neurone. Le neurone est une cellule composée d'un corps cellulaire et d'un noyau. Le corps cellulaire se ramifie pour former ce que l'on nomme les dendrites. Celles-ci sont parfois si nombreuses que l'on parle alors de chevelure dendritique ou d'arborisation dendritique. La figure ci-dessous reprend l'hypothèse proposée par de nombreux biologistes pour recréer le comportement intelligent du cerveau.

Figure 3.15: Hypothèse biologique de génération d'un comportement intelligent.

C'est par les dendrites que l'information est acheminée de l'extérieur vers le soma, corps du neurone. L'information traitée par le neurone chemine ensuite le long de l'axone (unique) pour être transmise aux neurones. La transmission entre deux neurones n'est pas directe. En fait, il existe un espace intercellulaire de quelques dizaines d'Angstrom (10^-9m) entre l'axone du neurone afférent et les dendrites (on dit une dendrite) du neurone efférent. La jonction entre deux neurones est appelée la synapse.