Qu'est-ce qu'un réseau neuronal artificiel ?
Systèmes informatiques inspirés des réseaux neuronaux biologiques, avec des nœuds interconnectés en couches qui traitent l'information par le biais de connexions pondérées.
Summary
- Composé d'une couche d'entrée recevant les données, de couches cachées transformant les entrées via des connexions pondérées et des fonctions d'activation, et d'une couche de sortie produisant les prédictions, avec rétropropagation pour ajuster les poids pendant l'entraînement.
- Apprend des représentations hiérarchiques en extrayant automatiquement les caractéristiques des données brutes, éliminant ainsi l'ingénierie manuelle des caractéristiques et permettant des applications en reconnaissance d'images, traitement automatique du langage naturel, reconnaissance vocale et systèmes autonomes.
- Nécessite de grands ensembles de données pour l'entraînement afin d'éviter le surapprentissage, bénéficie de l'accélération GPU pour les opérations matricielles et utilise des architectures telles que les réseaux convolutionnels pour les images, les réseaux récurrents pour les séquences et les transformateurs pour le langage.
Qu'est-ce qu'un réseau de neurones artificiels ?
Un réseau de neurones artificiels (ANN) est un système informatique dont le fonctionnement est calqué sur celui des neurones dans un cerveau humain.
Comment fonctionne un réseau de neurones artificiels ?
Les réseaux de neurones artificiels peuvent être envisagés comme des graphes dirigés pondérés, généralement organisés en couches. Ces couches se composent d'un grand nombre de nœuds qui imitent les neurones biologiques du cerveau humain. qui sont interconnectés et contiennent une fonction d'activation. La première couche reçoit le signal d'entrée brut en provenance du monde externe, comme les nerfs optiques dans le traitement de l'information visuelle chez l'humain. Chaque couche successive reçoit le produit de la couche précédente, de la même façon que les neurones distants du nerf optique reçoivent les signaux de ceux qui en sont proches. Le résultat de chaque nœud est appelé activation ou valeur de nœud. Le dernier niveau délivre le résultat du système. Les ANN sont en réalité des modèles mathématiques capables d'apprendre. En utilisant des ANN, nous sommes parvenus à améliorer les technologies d'analyse de donnée existantes. Les ANN ont joué un rôle décisif dans les progrès considérables accomplis en matière d'intelligence artificielle (IA), de machine learning (ML) et de deep learning.
Réseau de neurones artificiels Perceptron
Le perceptron est le type le plus simple de réseau de neurones artificiels. Il est généralement utilisé pour produire des prédictions binaires. Un perceptron ne fonctionne que si les données peuvent être séparées linéairement.
Gartner® : Databricks, leader des bases de données cloud
Réseau de neurones artificiels multicouche
Un réseau de neurones multicouche entièrement connecté est également appelé « perceptron multicouche » (MLP). Ce type de réseau de neurones artificiels est composé de plusieurs couches de neurones artificiels ou nœuds. Les réseaux de neurones à convolution et les réseaux de neurones récurrents en sont des exemples. Les ANN multicouches sont utilisés pour effectuer des tâches plus complexes de classification et de régression. Le modèle le plus courant est le modèle de rétropropagation entièrement connecté à trois couches. La première couche correspond aux neurones d'entrée : ils envoient les données à la seconde couche, qui transmet ses résultats à la troisième et dernière couche.
Mentionnons enfin qu'il existe deux topologies de réseau de neurones artificiels : à propagation avant, et à propagation arrière.
Réseaux de neurones artificiels à propagation avant
Dans cet ANN, les informations circulent dans une seule direction. Elles se déplacent exclusivement vers l'avant, sans boucle de rétroaction. Elles passent d'abord par les nœuds d'entrée, puis par les nœuds cachés (s'il y en a) et terminent par les nœuds de sortie.
Réseaux de neurones artificiels à propagation arrière
Dans ce type de réseau, des connexions de rétroaction inhérentes sont présentes entre les neurones. Cela permet la création de boucles de rétroaction.
