Par Hélène Dos Santos
Apprentissage profond, Deep learning, Réseaux de neurones… Si ces mots ne vous parlent pas, que ces notions vous semblent nébuleuses : vous êtes au bon endroit !
Principe
Commençons par les neurones mathématiques. C’est un peu le même principe que les neurones de notre cerveau.
Un neurone biologique c’est :
Des dendrites qui récupèrent des signaux
Un noyau qui traite cette information
Un axone qui transmet l’information
De la même façon pour un neurone mathématique on aura :
Des entrées
Un traitement
Une sortie
On peut aussi se représenter un neurone comme une sorte de fonction : f(x1,x2,x3) = 3x1 + 2X2 +6x3 = y . Ici les entrées sont x1, x2, x3, le traitement consiste à appliquer la fonction, donc à sommer les entrées en leur appliquant des poids spécifiques ( x3 compte plus que x2 ), la sortie est la valeur de y.
Un réseau de neurones, consiste simplement à “chaîner” des neurones mathématiques. Les sorties de certains neurones deviennent les entrées d’autres, et ainsi de suite. De cette manière on obtient une grande chaîne de fonctions qui sont interdépendantes les unes des autres.
Différents types et architectures
Maintenant que faire avec ça ?
Suivant la manière que l’on va avoir de lier les neurones entre eux on va avoir différents comportements. Ces différents agencements s'appellent des architectures.
L’architecture la plus commune :
Les neurones sont alignés verticalement en couches, et chaque neurone d’une couche est relié à chaque neurone de la couche suivante.
Mais il existe d’autres façons d’exploiter ces neurones. Par exemple, il est aussi possible de relier certains neurones en fin de chaîne à ceux du début de sorte à obtenir des boucles, ce qui octroie au réseau une forme de mémoire.
Vous souhaitez en savoir plus ? L'équipe du LICA sera heureuse d'en discuter avec vous au Tiers Lab des Transitions autour d'un café ou dans le cadre de notre programme d'accompagnement et de formation IA >https://www.lica-europe.org/intelligence-artificielle