II.10.Avantages et Inconvénients des
réseaux de neurones :
II.10.1. Avantages des réseaux de neurones :
> Capacité de représenter n'importe quelle
fonction, linéaire ou pas, simple ou complexe.
> Faculté d'apprentissage à partir d'exemples
représentatifs, par « rétro propagation des Erreurs ».
L'apprentissage (ou construction du modèle) est automatique
> Résistance au bruit ou au manque de fiabilité
des données.
> Simple à manier, beaucoup moins de travail personnel
à fournir que dans l'analyse
statistique classique. Aucune
compétence en matis, informatique statistique requise.
> Comportement moins mauvais en cas de faible quantité
de données.
> Pour l'utilisateur novice, l'idée d'apprentissage
est plus simple à comprendre que les
complexités des statistiques multi variables [2].
II.10.2. Inconvénients des réseaux de
neurones :
> L'absence de méthode systématique permettant
de définir la meilleure topologie du réseau et le nombre de
neurones à placer dans la (ou les) couche(s) cachée(s).
> L e choix des valeurs initiales des poids du réseau
et le réglage du pas d'apprentissage,
qui jouent un rôle important dans la vitesse de
convergence.
· Le problème du sur apprentissage (apprentissage au
détriment de la généralisation).
> L a connaissance acquise par un réseau de neurone
est codée par les valeurs des poids
sont inintelligibles pour
l'utilisateur [2].
| 
