Caractérisation et extraction informatique de la structure d'un tableau par une méthode implémentant un réseau de neurones

2.3.1. Généralités sur les réseaux de neurones.

2.3.1.1. Qu'est ce qu'un réseau de neurones ?

Comme son nom l'indique, un réseau de neurones et un ensemble de neurones interconnectés. Selon ROBARDET³⁵, c'est un ensemble de méthodes d'analyses et de traitement de données issus des considérations biologiques.

³³ DJUNGU S. J., Intelligence artificielle et système expert, DIGITAL-Printer, Kinshasa, 2012, p. 5.

³⁴ ROBARDET C., http://prisma.insa-lyon.fr/~crobardet, lien valide le 09/04/2012 à 13h00'.

En fait, un réseau de neurones n'est qu'une réplique quasi parfaite des neurones biologiques fonctionnant dans le cerveau humain car, comme nous allons le voir par la suite, il en possède les caractéristiques essentielles.

2.3.1.2. Structure d'un neurone

· Dendrites : Signaux d'entrée · Axone : Signal de sortie

49

Fig. 4. Structure d'un neurone biologique³⁶.

Fig. 5. Structure d'un neurone artificiel.

A l'instar d'un neurone biologique, un neurone artificiel présente les caractéristiques suivantes :

- Des connexions entrantes (E1, E2, E3, etc.) dont les poids (p1, p2, p3, etc.) varient selon l'importance de la connexion. Au fait, toutes les connexions entrantes d'un neurone (appelées aussi « synapses ») peuvent être considérées comme une seule connexion dont la valeur est E=p1*E1+p2*E2+p3*E3+...+pn*En.

- Une fonction d'activation : située au centre du neurone, cette fonction assure la transformation des entrées en sorties selon son type. Les fonctions d'activation ne sont

³⁵ Op. cit.

³⁶ http:// www-igm.univ-mlv.fr/dr/XPOSE2002/Neurones/index1a56.html?rubrique=Neuronebiologique, lien valide le 09/04/2012 à 15h20'.

50

donc pas toujours identiques ou fixées pour tous les neurones et dépendent de l'application de ces derniers (selon le type d'implémentation choisi pour le réseau). Néanmoins, dans la plupart d'implémentations de réseaux de neurones, les fonctions d'activation suivantes sont utilisées:

o La fonction sigmoïde standard (appelée encore « courbe en S ») 37 : Cette fonction est donnée (ou calculée) par :

f(x) =		1

o La fonction tangente hyperbolique³⁸ : Cette fonction est définie comme suit :

tanh(x) =	sinh(x) cosh(x) =		ex - e_X

o La fonction Gaussienne :

Cette fonction s'écrit de la manière suivante :

f(x) =

1 e ov2ir

J22 20.^2

o La fonction linéaire à seuil³⁹ :

Cette fonction est définie de la manière ci - après :

f(x) = sign(w₁x₁ + ? + wGxG - B)

où =w, ... , w sont les poids des connexions B est une valeur appelée seuil

- Une ou plusieurs connexions sortantes (S1, S2, S3, ...) dont la valeur (ou les valeurs) est (sont) le résultat de la fonction d'activation f(S). Dans un réseau de neurones multicouches et selon la couche où se trouve le neurone concerné, ces connexions sortantes peuvent constituer des connexions entrantes pour un autre neurone du même réseau. Remarquons donc ici que les connexions entrantes et sortantes assurent la connectivité dans un réseau de neurones.