Qu’est-ce qu’un réseau de neurones artificiel ?

Un réseau de neurones artificiels copie le cerveau humain pour favoriser l’apprentissage. Il s’agit donc d’un système qui se base sur le fonctionnement du cerveau humain pour l’adapter à des ordinateurs équipés de fonctions d’intelligence artificielle.

L’apprentissage sur les réseaux de limites artificielles est effectué à l’aide d’exemples. Les règles sont établies en fournissant des données d’entrée et de sortie pendant l’apprentissage.
Les réseaux de neurones artificiels sont composés de nombreuses cellules, et ces cellules travaillent simultanément pour accomplir des tâches complexes.

Ils ont la capacité d’apprendre avec différents algorithmes d’apprentissage. Ils peuvent faire la reconnaissance et la classification des modèles et peuvent compléter les modèles manquants.

Un réseau de neurones est constitué de plusieurs couches dont celle d'entrée et de sortie. Chacune d'elles est composée d'un ensemble de neurones. Un neurone possède 3 caractéristiques lui permettant de réaliser la classification.

1. Inputs : les entrées sont des données qui arrivent dans les neurones. Celles-ci sont envoyées au "cœur" des neurones pour être collecté comme dans les cellules nerveuses biologiques.


2. Poids : l’information qui entre dans la cellule est multipliée par le poids des connexions par lesquelles elles sont arrivées avant d’atteindre le cœur et transmises au cœur. Cela permet d’ajuster l’effet des entrées sur la sortie à produire.


3. Fonction d’activation : fonction qui reçoit la somme pondérée de toutes les entrées de la couche précédente, puis produit une valeur de sortie (typiquement non-linéaire) et la passe à la couche suivante. (par exemple, relu ou sigmoïde).