Réseaux de neurones artificiels
Les réseaux de neurones artificiels
Pr. Abd Al-Sattar Ismail Wadaa - Département de Mathématiques
Les réseaux de neurones sont considérés comme l'un des domaines les plus importants de l'ingénierie de contrôle et de l'intelligence artificielle, reflétant un développement significatif dans la manière de penser humaine. L'idée des réseaux de neurones tourne autour de la simulation du cerveau humain à l'aide d'un ordinateur. Le développement perceptible dans ce domaine est dû à de nombreuses études menées dans le domaine du traitement neuronal, et la simulation est réalisée en résolvant les problèmes rencontrés, en suivant des processus d'apprentissage autonome qui dépendent des expériences stockées dans le réseau et qui produisent les meilleurs résultats.
La méthode des réseaux de neurones artificiels a été inspirée des réseaux biologiques neuronaux, et leur introduction dans le domaine des affaires mondiales est attribuée à Pitts & McCulloch il y a environ 60 ans.
Définition des réseaux de neurones et de leurs composants : Ce sont des techniques computationnelles conçues pour simuler la manière dont le cerveau humain accomplit une tâche particulière, en traitant massivement de manière distribuée et parallèle, et composées d'unités de traitement simples. Ces unités ne sont rien d'autre que des éléments de calcul appelés neurones ou nœuds, qui ont une propriété neuronale en ce sens qu'elles stockent des connaissances pratiques et des informations expérimentales pour les rendre accessibles à l'utilisateur en ajustant les poids.
Ainsi, les ANN ressemblent au cerveau humain en ce sens qu'elles acquièrent des connaissances par l'entraînement et stockent ces connaissances en utilisant des connexions au sein des neurones appelées poids synaptiques. Il existe également une similitude neurobiologique qui donne aux biologistes l'occasion de s'appuyer sur les ANN pour comprendre l'évolution des phénomènes biologiques. Tout comme l'homme a des unités d'entrée qui le relient au monde extérieur, à savoir ses cinq sens, les réseaux de neurones ont également besoin d'unités d'entrée, et d'unités de traitement où des opérations de calcul sont effectuées pour ajuster les poids et obtenir la réaction appropriée pour chaque entrée du réseau. Les unités d'entrée forment une couche appelée couche d'entrée, et les unités de traitement forment la couche de traitement qui produit les résultats du réseau. Entre chaque couche de ces couches, il y a une couche de connexions intermédiaires qui relie chaque couche à la couche suivante, où les poids spécifiques à chaque connexion intermédiaire sont ajustés. Le réseau contient une seule couche d'unités d'entrée, mais il peut contenir plusieurs couches de traitement.
Fonctions de transfert : Les fonctions de transfert représentent des circuits logiques et des fonctions exponentielles dans le neurone, et elles limitent la sortie du neurone selon les conditions logiques dans les circuits logiques connus et doivent posséder les propriétés suivantes :
1- Être une fonction continue.
2- Être dérivable et sa dérivée doit être facile à calculer.
3- Être monotone non décroissante.
Il existe trois types de fonctions d'activation
1- Fonction seuil ou fonction étape : Cette fonction limite la sortie du neurone de sorte que la sortie soit égale à un si l'entrée est supérieure ou égale à zéro, et la sortie est égale à zéro si l'entrée est inférieure à zéro.
2- Fonction linéaire par étapes ou fonction de correspondance : Elle est toujours exprimée par une fonction linéaire et est utilisée dans les neurones utilisés dans les filtres linéaires adaptatifs.
3- Fonction exponentielle : Elle utilise la fonction logarithmique dans le calcul et l'entrée est limitée entre -∞ et +∞ et rend la sortie limitée entre 0 et 1, c'est la fonction la plus utilisée.
Types de réseaux de neurones artificiels : Le réseau de neurones artificiels est organisé en plusieurs structures différentes, où les neurones sont connectés de plusieurs manières, notamment :
1- Réseaux de neurones à propagation avant : (Networks Neural Forward Feed) :
Ce sont des réseaux dont la structure ne contient pas de boucle fermée de connexions entre les unités qui les composent, et ces réseaux sont parmi les plus utilisés, car le réseau de ce type se compose d'au moins deux couches, et il y a souvent des couches cachées entre la couche d'entrée et la couche de sortie, et les opérations de calcul se déplacent dans une seule direction vers l'avant de la couche d'entrée à la couche de sortie à travers les couches cachées.
2- Réseaux de neurones à rétroaction : Ce sont des réseaux dont les sorties trouvent un chemin de retour pour redevenir des entrées afin de donner les meilleurs résultats possibles.
3- Réseaux de neurones à connexion réciproque : Ce sont des réseaux où tous les éléments qui les composent jouent un rôle modèle, consistant à recevoir des entrées et à diffuser des sorties en même temps.
Caractéristiques des réseaux de neurones artificiels : Les réseaux de neurones se distinguent par de nombreuses caractéristiques, les plus importantes étant :
1- Ils reposent sur une base mathématique solide.
2- Ils représentent l'une des applications de la technologie de traitement intelligent de l'information qui simule le cerveau humain.
3- Ils acceptent tout type de données quantitatives ou qualitatives.
4- Ils ont la capacité de stocker les connaissances acquises à partir des cas exécutés sur le réseau.
5- Ils peuvent être appliqués dans de nombreux domaines scientifiques différents.
Applications et utilisations des réseaux de neurones artificiels : Les applications des réseaux de neurones artificiels sont nombreuses et importantes dans le domaine de l'informatique, notamment dans la création de jeux. Pour que les programmeurs de jeux puissent créer un jeu interactif qui ne soit pas monotone ou ennuyeux, et qui puisse également apprendre de ses interactions avec le joueur, des modèles de réseaux de neurones peuvent être utilisés pour s'adapter aux comportements du joueur et à ses modes d'interaction avec le jeu. La vidéo suivante illustre une application de l'utilisation des réseaux de neurones dans le jeu Flappy Bird, et ils sont également utilisés dans le domaine médical, qui est l'application de la médecine d'urgence liée au principe de la mémoire, comme dans le cas du cerveau humain, c'est-à-dire le principe des signes pathologiques et du diagnostic. Il existe également des applications de reconnaissance automatique telles que la reconnaissance des personnes, la reconnaissance vocale ou d'image et leur filtrage et correspondance, ainsi que les polices et l'écriture manuscrite. Ainsi, grâce aux réseaux de neurones artificiels, il est possible d'entraîner le réseau sur des modèles spécifiques d'écriture ou de son pour qu'ils soient ensuite reconnus automatiquement. Ce qui rend le sujet encore plus fascinant à mes yeux, c'est la capacité du cerveau humain à parvenir à comprendre le fonctionnement des cellules nerveuses vivantes et à tenter de les simuler pour rendre la machine capable de résoudre des problèmes d'une manière qui ressemble de manière très simple à la méthode naturelle. Mais bien sûr, ce que les scientifiques ont réalisé dans ce domaine jusqu'à présent ne représente qu'une goutte d'eau par rapport à ce que le système nerveux biologique peut faire. Loué soit le Créateur, exalté soit-Il, qui a dit dans Son livre sacré (Et ce que vous avez reçu de la science n'est qu'un peu).