II.4.3.Le perceptron :
Depuis les résultats des travaux de Mac Culloch et
Pitts (1943), qui ont abouti à La définition du neurone formel,
ainsi ceux de Hebb, expliquant les effets d'apprentissage de mémoire et
de conditionnement à partir de groupes de cellules. Pour expliquer ces
effets d'apprentissage, Hebb propose que les cellules apprennent à
modifier l'intensité des connexions qui les relient, en
fonction de leur activité simultanée. L'idée
de certains chercheurs fut d'utiliser les modélisations des neurones et
de l'évolution des synapses pour simuler des réseaux de neurones.
Le premier modèle solide fut présenté en 1959 par F.
Rosenblatt il s'agit du perceptron, autrement dit un réseau
réduit à un seul neurone formel [2].
II .4.3.1. Description :
Les perceptrons sont des réseaux de type feedforward,
possédant la structure suivante : Une couche de connexions fixes,
située entre les unités d'entrée, la rétine, et les
unités d'association. La seconde couche relie les unités
d'association et les unités de réponse : c'est sur
ces poids que l'adaptation agit. Dans le perceptron, il n'y a qu'une seule
couche qui varie en fonction de l'adaptation. Dans le neurone du perceptron on
utilise la fonction d'activation à seuil. Le modèle du neurone
linéaire à seuil du perceptron à une cellule de
décision et relié à N cellules d'entrée est
présenté sur la (figure II.8)
Le neurone linéaire à seuil réalise donc,
une partition des vecteurs d'entrée qui lui sont soumis
en entrée en deux domaines. La frontière entre ces
deux dom
S = E ?????? * Xj (II-4)
m u S désigne le seuil de la cellule de
décision.
En effet, pour ?? E???? * Xj > S , le neurone répond 1
;
Pour ??E???? * Xj < S , il répond -1
La frontière séparant ces deux domaines sera donc
un hyperplan.
:
| 
