PowerPoint Presentation

Expos Intelligence ArtificielleRseaux des NeuronesRalis parMrabtei Ayoub110/05/20151Plan210/05/20152Introduction3

10/05/2015310/05/20154Les RNA sont des rseaux fortement connects de processeurs lmentaires fonctionnant en parallle. Chaque processeur calcule une sortie unique sur la base des informations qu'il reoit

4Cest une approche qui a t privilgie par l'Intelligence Artificielle.Les rseaux de neurones sont fortement inspirs par le systme nerveux biologiqueOn peut entraner un rseau de neurone pour une tche spcifique (reconnaissance de caractres par exemple) en ajustant les valeurs des connections (ou poids) entre les lments neurone). 5Dfinition RNA10/05/2015Les rseaux de neurones sont composs dlments simples (ou neurones) fonctionnant en parallle. Ces lments ont t fortement inspirs par le systme nerveux biologique. Comme dans la nature, le fonctionnement du rseau (de neurone) est fortement influenc par la connections des lments entre eux. On peut entraner un rseau de neurone pour une tche spcifique (reconnaissance de caractres par exemple) en ajustant les valeurs des connections (ou poids) entre les lments (neurone). ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------APPRENTISSAGE----------------------------------------------------------------------------------------Lapprentissage par paquet (batch training) du rseau consiste ajuster les poids et biais en prsentant les vecteurs dentre/sortie de tout le jeu de donnes. Lapprentissage pas pas ou squentiel (incremental training) consiste ajuster les poids et biais en prsentant les composantes du vecteur dentre/sortie les unes aprs les autres. Ce type dapprentissage est souvent qualifi dapprentissage en ligne ( on line training) ou adaptatif ( adaptive training). 5Intrt10/05/201566Quelques Elments de la neurobiologie7

10/05/20157Cellules nerveuses10/05/20158

8Description schmatique des lments dune synapse10/05/20159

9ApprentissageIl est caractris par : Un systme initial aux mcanismes de fonctionnement et au potentiel dvolution fixs.lvolution des connexions du rseau .linteraction entre le monde extrieur et le rseau .un mcanisme slectif .

10/05/201510Lapprentissage peut tre dfinit comme lacquisition de proprits associatives stables, et la mmorisation et le rappel de ces proprits ou modifications.

10Les Modules mathmatiques11

10/05/201511Structure dun neurone artificiel10/05/201512

Mise en correspondance neurone biologique / neurone artificiel12Fonctionnement interne dun neuroneUn neurone reoit les signaux d'entre x1, ..., xn .Ces signaux sont pondrs par des poids w1, ..., wn .L'activation du neurone a= wi.xi est transmise une fonction de transition f (non linaire) paramtre par un seuil w0Le signal de sortie y = f (a-w0) est propag aux cellules suivantes

10/05/201513

13Les fonctions de transfert10/05/201514

14Rseaux de neurones naturels vs. artificielsrseau naturel

rseau artificiel

fonctionnement du neurone

ractions chimiques

fonctionsmathmatiques

temps de raction

relativement lent

trs rapide

nombre de neurones

environ 10

entre 10 et 10

nombre de connexions

environ 10

jusqu' 10

10/05/20151515ARCHITECTURE DE RESEAU16

10/05/201516Les rseaux "Feed-forward"Ce sont des rseaux dans les quels l'information se propage de couche en couche sans retour en arrire possible.On distingue alors : Perceptron monocouche Perceptron multicouche(PMC)

10/05/201517Le perceptron est un modle de rseau de neurones avec algorithme d'apprentissage17Perceptron monocouche10/05/201518

La sortie S est calcule par la formule : S = 1si wi xi > s 0 si non

18Perceptron multicouche(PMC)10/05/201519

Les neurones sont arrangs par couche. Il n'y a pas de connexion entre neurones d'une mme couche et les connexions ne se font qu'avec les neurones des couches avales19Les rseaux fonction radialeAppel aussi RBF(en anglais : "Radial Basic Functions"). Particularit :les fonctions de base utilises ici sont des fonctions Gaussiennes. Utilit :Les RBF seront donc employs dans les mmes types de problmes que les PMC savoir, en classification et en approximation de fonctions, particulirement.

10/05/20152020Les rseaux Feed backCe sont des rseaux dans les quels l'information se propage de couche en couche avec retour en arrire possible.

Rseau connexions compltes Rseau connexions rcurrentes

10/05/201521

21APPRENTISSAGE22

10/05/201522Types dapprentissageIl existe plusieurs types dapprentissage, les plus utilises sont :Mode supervis : les exemples sont des couples (entre, sortie associe).Mode non supervis: on dispose que des valeurs (entre).Apprentissage par renforcement.Pour ces trois types d'apprentissage, il y a galement un choix traditionnel entre :Lapprentissage > Lapprentissage >

10/05/20152323Rgles dapprentissage10/05/2015Esprit-Intelligence Artificielle2424Algorithme dapprentissage du perceptronInitialisation des poids et du seuil de petites valeurs alatoiresPrsenter un vecteur dentres x() et calculer sa sortieMettre jour les poids en utilisant :wj(t+1) = wj(t) + (d- y) xj avec d la sortie dsire, w vecteur des poids est une constante positive ,qui spcifie le pas de modification des poids

10/05/20152525Apprentissage par correction d'erreurInitialiser la matrice des poids au hasard Choisir un exemple en entrePropager le calcul de cette entre travers le rseau Calculer la sortie de cette entre Mesurer l'erreur de prdiction par diffrence entre sortie relle et sortie prvueCalculer la contribution d'un neurone l'erreur partir de la sortieDterminer le signe de modification du poids Corriger les poids des neurones pour diminuer l'erreur

Le processus recommence ainsi, partir du choix de l'exemple en entre, jusqu' ce qu'un taux d'erreur minimal soit atteint.10/05/20152626MISE EN PLACE27

10/05/20152710/05/2015282810/05/20152929Domaines dapplication Arospatial : pilotage automatique, simulation du vol Automobile : systme de guidage automatique, Dfense : guidage de missile, suivi de cible, reconnaissance du visage, radar, sonar, lidar, traitement du signal, compression de donnes, suppression du bruit Electronique : prdiction de la squence dun code, vision machine, synthtiseur vocal, modle non linaire, Finance : Prvision du cot de la vie Secteur mdical : Analyse EEC et ECG Tlcommunications : Compression de donnes

10/05/20153030Exemple dapplication Reconnaissance des formesIL y a plusieurs techniques pour la reconnaissance de forme ou bien dordre Gnral la classification, on cite deux mthodes :La mthode classique :La premire, la plus classique, consiste simplement mesurer la distance euclidienne entre limage de test et toutes les images prsentes dans la base dapprentissage afin den dterminer la plus faible.

10/05/2015313110/05/20153232Mthodes modernes ou par rseau de neuronesLa seconde repose sur un rseau de neurone discriminant. La mthode du rseau discriminant repose sur lutilisation dun unique rseau de neurones donnant en sortie la classe dappartenance dune image inconnue en entre. Il est compos dune couche dentre, dune couche cache et de plusieurs sorties pour autant de personnes discriminer.10/05/2015333310/05/201534

3410/05/20153535Conclusion36

10/05/201536Conclusionlesrseaux de neurones reposent Prsent sur des bases mathmatiques solides qui permettent denvisager des applications dans presque tout les domaines y compris industriel et grande chelle, notamment dans le domaine de la classification.

10/05/20153737PerspectivesLes rseaux de neurones ont une histoire relativement jeune (environ 50 ans) et les applications intressantes des rseaux de neurones nont vu le jour que depuis une vingtaine danne (dveloppement de linformatique), et ils ont un futur trs prometteur, on entend parler (par exemple) du WEB smantique, RFID, etc.10/05/20153838

10/05/201539Merci pour votre attention39