Cours n°02 : Apprentissage Profondeur et Machines Learning (DEEP LEARNING and Machine Learning)- intelligent Artificial

I.4 Introduction du réseau neuronal (Neural Network) :

        Un réseau de neurones artificiels est composé de nombreux neurones artificiels reliés entre   eux selon une architecture de réseau spécifique. L'objectif du réseau de neurones est de transformer les entrées en sorties significatives.

Figure I.4-1 : Simple Neural Network.

II.4-1-Réseaux de neurones artificiels :

 

Tâches à résoudre par des réseaux de neurones artificiels:

 

ü  contrôler les mouvements d'un robot en fonction de sa propre perception et d'autres informations (par exemple, des informations visuelles);

ü  décider de la catégorie de produits alimentaires potentiels (par exemple, comestibles ou non) dans un monde artificiel;

ü  reconnaître un objet visuel (par exemple, un visage familier);

ü  prédire où un objet en mouvement va, quand un robot veut l'attraper.

Training:

     

Optimiser (min. Ou max.) Fonction objectif / coût 𝑱 (𝜽), Générer un signal d'erreur qui mesure la différence entre les prévisions et les valeurs cibles.

Utilisez le signal d'erreur pour modifier les poids et obtenir des   prévisions plus précises,La soustraction d'une fraction du gradient vous déplace vers le minimum (local) de la fonction de coût.

II.4-2-Principaux composants / hyper-paramètres RN:

     II.4-2-1- fonctions d'activation NN: 

     Non-linéarités nécessaires pour apprendre des représentations complexes (non linéaires) de données, sinon le NN ne serait qu'une fonction linéair W1 W2x =Wx.

⁽¹⁾Plus de couches et de neurones peuvent approximer des fonctions plus complexes.