II.6.4 Les réseaux de
neurones
Les réseaux de neurones représentent la
technique de data mining la plus utilisée. Pour certains utilisateurs,
elle en est même synonyme. C'est une transposition simplifiée des
neurones du cerveau humain. Dans leur variante la plus courante, les
réseaux de neurones apprennent sur une population d'origine puis sont
capables d'exprimer des résultats sur des données inconnues. Ils
sont utilisés dans la prédiction et la classification dans le
cadre de découverte de connaissances dirigée. Certaines variantes
permettent l'exploration des séries temporelles et des analyses non
dirigées (réseaux de Kohonen). Le champ d'application est
très vaste et l'offre logicielle importante.
Cependant, on leur reproche souvent d'être une "boite
noire" : il est difficile de savoir comment les résultats sont produits,
ce qui rend les explications délicates, même si les
résultats sont bons.
Donc, Utiliser des technologies d'intelligence artificielle
afin de découvrir par l'apprentissage du moteur des liens non
procéduraux. Ces deux dernières techniques s'appuient sur des
algorithmes mathématiques et tentent à travers des
méthodes d'apprentissage de constituer des logiques non
procédurales.
II.6.4.1 Découverte des
règles
Le but étant de construire une règle logique et
empirique applicable dans un contexte précis. Le principe de cette
technique est double. On peut d'une part demande au système de valider
une règle en la justifiant ou l'invalidant grâce a ses
données, ou bien d'autre part demander au système
d'établir une règle en fonction des données qu'il
possède.
II.6. 4.2 Signal processing
Mise en évidence d'un comportement de données
en les filtrant. Cette technique consiste à appliquer un filtre à
travers une hypothèse afin de faire apparaître un lien entre ces
données.
II.6.4.3 Fractales
Technique se basant sur des algorithmes mathématique.
Composer des segmentations à partir de modèles
mathématiques basés sur des regroupements irréguliers de
données.
| 
