DIFFERENTS TYPES DE RESEAUX NEURONAUX:


Il existe de nombreux types de réseaux neuronaux, on peut les diviser en deux grandes catégories selon la nature de leur algorithme d'apprentissage. En effet, les premiers sont dits supervisés car, lors de l'apprentissage, ils doivent disposer d'un professeur capable de leur indiquer ce qui devrait être produit en sortie pour chaqu' une des informations fournies en entrées. Les seconds sont dits non supervisés car ils arrivent à s'auto-organiser.

Nous allons décrire ci_dessous différents types de réseaux pour leurs objectifs différents:

  • Le perceptron (réseau à couches): C'est un réseau à couche qui permet de positionner en entrées des éléments devants être appris (éléments linéairement séparables afin de ne pas avoir de confusion) . Ceux-ci tracent un chemin à travers le réseau. Une fois l'apprentissage effectué, en repassant les mêmes éléments en entrée ils réutilisent le même chemin et activent les mêmes neurones de sorties.
    Plusieurs neurones de sorties sont activées pour chaque comparaison, les résultats ne sont pas identiques à chaque comparaison, des approximation sont effectuées.

    Le perceptron peut être utilisé pour l'apprentissage et la reconnaissance d'images. Ci_dessous un site décrivant cette utilisation pour des images satellites:
    Perceptron et Imagerie

  • Kohonen: Ce réseau de neurones peut être considéré comme dynamique, des neurones peuvent être détruits et crées, le réseau n'a pas de taille fixe. Généralement ce réseau est appelée carte de kohonen, en effet ce réseau est représenté à plat comme une grille rectangulaire à 1, 2, 3 ou 4 dimensions.
    Les applications sont multiples : sélection de données représentatives dans une grande base de cas, compression d'images, diagnostic de pannes, optimisation combinatoire (dont le fameux "voyageur de commerce", modélisation de la cartographie des aires visuelles...
    Un exemple d'utilisation

  • Hopfield:Représente un réseau sans structure de couches, ni de sens de propagation, composé de N cellules. Ce réseau ce rapproche le plus du fonctionnement du cerveau humain.
  • ...

    •  La qualité de l'information dépend selon le type de données à stocker:

  • Du nombre de neurones.

  • Des types d'interconnexion.

  • De l'algorithme d'apprentissage.

    •