Академический Документы
Профессиональный Документы
Культура Документы
a.bouroumi@gmail.com
b
i@
il
28/10/2014
28/10/2014
28/10/2014
Rappel
Les RNA sont des modles heuristiques qui cherchent simuler
deux aptitudes fondamentales du cerveau humain:
Lapprentissage
L
ti
partir
ti dexemples,
d
l ett
La gnralisation des comptences apprises dautres
exemples non vus durant lapprentissage.
Ils sont en principe applicables tout problme sur lequel on
dispose dune base dexemples qui peut servir de donnes
ddentre
entre pour un algorithme ddapprentissage.
apprentissage.
Leur efficacit a t prouve dans de nombreuses applications du
monde rel.
28/10/2014
28/10/2014
28/10/2014
Modlisation de lapprentissage
Modliser lapprentissage cest essayer de dcrire
mathmatiquement ce qui se passe dans nos cerveaux quand
nous essayons dapprendre, par la pratique, la ralisation dune
nouvelle tche:
en se basant sur des exemples (exercices),
avec ou sans laide dun professeur (superviseur).
Q: Si le sige de llapprentissage
apprentissage est bien le cerveau, quelle
diffrence yaura-t-il alors entre le cerveau dune personne
avant et aprs apprentissage de chaque nouvelle tche?
28/10/2014
28/10/2014
28/10/2014
28/10/2014
28/10/2014
10
28/10/2014
11
12
25
2,5
2,0
1,5
1,0
0,5
0,0
28/10/2014
28/10/2014
13
x1
w1
w1x1+w
w2x2
x2
w2
w1x1+w2x2=b
3,0
2,5
2,0
28/10/2014
14
28/10/2014
15
16
F d
Fondements
t bi
biologiques
l i
des
d RNA
28/10/2014
28/10/2014
17
Neurone biologique
Neurone = cellule nerveuse dote de laptitude de traiter
linformation.
Cerveau =
1011
neurones interconnects
18
28/10/2014
19
Le corps cellulaire
Comporte un noyau et
p
un plasma.
Le noyau contient le gnome,
c--d linformation sur les
caractres hrditaires, code
chimiquement dans lADN.
Le plasma contient les molcules ncessaires
lactivit du neurone, production des enzymes et
autres substances.
28/10/2014
20
Les dendrites
Jouent le rle de rcepteurs.
Permettent au neurone de
recevoir
i les
l signaux
i
(impulsions, excitations)
mis par dautres neurones.
Leur nombre varie entre 1000
et 100000 par neurone.
Lorsque
L
lexcitation
l it ti issue
i
des
d dendrites
d d it dpasse
d
un
certain seuil, le neurone sactive et gnre un signal
(appel potentiel daction) quil transmet dautres
neurones par le biais de son axone.
28/10/2014
10
28/10/2014
21
Laxone
Cest un prolongement
centrifuge qui se termine par
des branches et des sous
branches lextrmit
desquelles se trouvent des
synapses (++)
La longueur ddun
un axone peut varier de 1mm 1m.
1m
La juxtaposition dun grand nombre daxones longs
forme ce quon appelle un nerf.
28/10/2014
22
Les synapses
synapses
Une synapse est un point de contact
entre deux neurones.
Elle assure la transmission de
substances chimiques dun
neurone un autre.
Ces substances sappellent des
neurotransmetteurs ou neuromdiateurs.
neuromdiateurs
neurotransmitteurs
Leur effet peut tre soit
excitateur soit inhibiteur.
(https://www.youtube.com/watch?v=nM_v114rjwo)
28/10/2014
11
28/10/2014
23
Potentiel daction
hrsbstaff.ednet.ns.ca/mcintyr/Notes%20potentiel%20d'action.ppt
28/10/2014
Potentiel daction
28/10/2014
24
12
28/10/2014
25
26
13
28/10/2014
27
28/10/2014
28
x1
Vecteur
Objet
w1
x2
M
xp
w2
Fonction de
sommation
wm
Poids
synaptiques
28/10/2014
Activation
interne
Sortie
()
Fonction
dactivation
14
28/10/2014
29
28/10/2014
30
Couche de S
28/10/2014
15
28/10/2014
31
Entres du perceptron
Vecteur objet x=(x1, x2, ,xp) p
x reprsente
p
une forme ((ou ppattern)) reconnatre
32
Niveau dactivation
v ( x ) = w. x = w1 x1 + w2 x2 + ... + wn xn
28/10/2014
16
28/10/2014
33
28/10/2014
34
Rgles dapprentissage
Concernent la faon dont les poids des connexions doivent
tre modifis durant le processus dapprentissage partir des
donnes.
Premire rgle: propose par Hebb (Neuropsychologue) en
1949.
Principe: "The general idea is an old one, that any two cells
17
28/10/2014
35
28/10/2014
28/10/2014
36
18
28/10/2014
37
// taux dapprentissage
// erreur tolrable
1
// nb maximum ditrations
d itrations
seuil dactivation
w (t) = w (t 1) +(d y)x
i
2. Initialiser
wi(0) pour 1in, // poids synaptiques
t=0; // indice des itrations
3. Rpter{ t++;
- Prsenter un vecteur objet au neurone,
- Evaluer la sortie y,
- Evaluer lerreur (d-y) o d est la sortie
dsire puis ajuster les poids synaptiques
selon la rgle dapprentissage (1).
}Tant que [(w>) et (t<tmax)];
28/10/2014
38
Liens utiles
http://fr.wikipedia.org/wiki/R%C3%A9seau_de_neur
ones_artificiels
http://fr.wikipedia.org/wiki/Perceptron
http://en.wikipedia.org/wiki/Human_Brain_Project
https://www.humanbrainproject.eu/
http://en.wikipedia.org/wiki/BRAIN
p
p
g
_Initiative
http://www.nsf.gov/news/news_summ.jsp?cntn_id=1
28960
28/10/2014
19
28/10/2014
39
Exercice
Lire les documents fournis.
Consulter les sites Internet conseills.
En utilisant vos propres mots, rdigez un texte qui
rsume ce que signifie pour vous un RNA et son
utilit pratique.
Etudier limplmentation C++ de lalgorithme de
Rosenblatt,
bl prsente dans
d
larticle
l i l Wikipedia:
iki di
http://fr.wikipedia.org/wiki/Perceptron
28/10/2014
40
Annexe
28/10/2014
20
28/10/2014
41
http://www.rci.rutgers.edu/~shors/pdf/Scientific%20American%20Shors%20article%20on%2
0Saving%20New%20Brain%20Cells%202009.pdf
28/10/2014
42
http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0033136
28/10/2014
21