Les Réseaux de Neurones et le Système ANFIS
04-09-2014, 11:04 AM
1.INTRODUCTION :
Les systèmes d'inférences flous (SIFs) et les réseaux de neurones artificiels (RNA) ont chacun des avantages particuliers. Les méthodes hybrides neuronales et floues permettent de tirer les avantages de l'une et de l'autre.
Principalement, des capacités d'apprentissage des RNA et de la lisibilité et la souplesse des SIFs. Le principal type d'association entre les réseaux de neurones et les systèmes flous est le cas où un système d'inférence flou est mis sous la forme d'un réseau multicouche, dans lequel les poids correspondent aux paramètres du système d’inférences floue .
Dans ce chapitre, on va présenter en bref les réseaux de neurones artificiels: les différentes types et architectures de ces réseaux. Puis, une étude sera consacré aux quelques types des systèmes Neuro-flous et plus précisément le système hybride de type ANFIS.
LES RESEAUX DE NEURONES ARTIFICIELS :
Les réseaux de neurones artificiels sont des réseaux fortement connectés de processeurs élémentaires fonctionnant en parallèle. Chaque processeur élémentaire calcule une sortie unique sur la base des informations qu'il reçoit
neurone formel :
Un neurone est une fonction algébrique non linéaire et bornée, dont la valeur dépend de paramètres appelés les poids. Les variables de cette fonction sont habituellement appelées "entrées" du neurone, et la valeur de la fonction est appelée sa "sortie". Un neurone est un opérateur mathématique comme présenté sur la figure III. 1.
Le neurone artificiel :
Le neurone formel peut être définit par les paramètres suivants:
Un réseau de neurones artificiel :
Le réseau de neurones artificiel est un modèle de calcul dont la conception est très schématiquement inspiré du fonctionnement des neurones. Il se compose de neurones qui sont interconnectés de façon que la sortie d'un neurone puisse être l'entrée d'un ou plusieurs autres neurones. Ensuite il y a des entrées de l'extérieur et des sorties vers l'extérieur. Rumelhart et al. Donnent 8 composants principaux d'un réseau de neurones:
• Un ensemble de neurones.
• Un état d'activation pour chaque neurone (actif, inactif, ...)
• Une fonction de sortie pour chaque neurone (f(S))
• Un modèle de connectivité entre les neurones (chaque neurone est connecté à tous les autres)
• Une règle de propagation pour propager les valeurs d'entrée à travers le réseau vers les sorties
• Une règle d'activation pour combiner les entrées d'un neurone (très souvent une somme pondérée)
• Une règle d'apprentissage
• Un environnement d'opération (le système d'exploitation, par exemple)
Les systèmes d'inférences flous (SIFs) et les réseaux de neurones artificiels (RNA) ont chacun des avantages particuliers. Les méthodes hybrides neuronales et floues permettent de tirer les avantages de l'une et de l'autre.
Principalement, des capacités d'apprentissage des RNA et de la lisibilité et la souplesse des SIFs. Le principal type d'association entre les réseaux de neurones et les systèmes flous est le cas où un système d'inférence flou est mis sous la forme d'un réseau multicouche, dans lequel les poids correspondent aux paramètres du système d’inférences floue .
Dans ce chapitre, on va présenter en bref les réseaux de neurones artificiels: les différentes types et architectures de ces réseaux. Puis, une étude sera consacré aux quelques types des systèmes Neuro-flous et plus précisément le système hybride de type ANFIS.
LES RESEAUX DE NEURONES ARTIFICIELS :
Les réseaux de neurones artificiels sont des réseaux fortement connectés de processeurs élémentaires fonctionnant en parallèle. Chaque processeur élémentaire calcule une sortie unique sur la base des informations qu'il reçoit
neurone formel :
Un neurone est une fonction algébrique non linéaire et bornée, dont la valeur dépend de paramètres appelés les poids. Les variables de cette fonction sont habituellement appelées "entrées" du neurone, et la valeur de la fonction est appelée sa "sortie". Un neurone est un opérateur mathématique comme présenté sur la figure III. 1.
Le neurone artificiel :
Le neurone formel peut être définit par les paramètres suivants:
Un réseau de neurones artificiel :
Le réseau de neurones artificiel est un modèle de calcul dont la conception est très schématiquement inspiré du fonctionnement des neurones. Il se compose de neurones qui sont interconnectés de façon que la sortie d'un neurone puisse être l'entrée d'un ou plusieurs autres neurones. Ensuite il y a des entrées de l'extérieur et des sorties vers l'extérieur. Rumelhart et al. Donnent 8 composants principaux d'un réseau de neurones:
• Un ensemble de neurones.
• Un état d'activation pour chaque neurone (actif, inactif, ...)
• Une fonction de sortie pour chaque neurone (f(S))
• Un modèle de connectivité entre les neurones (chaque neurone est connecté à tous les autres)
• Une règle de propagation pour propager les valeurs d'entrée à travers le réseau vers les sorties
• Une règle d'activation pour combiner les entrées d'un neurone (très souvent une somme pondérée)
• Une règle d'apprentissage
• Un environnement d'opération (le système d'exploitation, par exemple)
...A suivre
من مواضيعي
0 أسرار طائرة الرئاسة الأمريكية.. "البيت الأبيض الطائر"...
0 طبيب مسيحي يحمل سلام المسيح ويعرض المسيحية على شيخ مسلم فكانت الصاعقة..
0 سؤال من ملحد لماذا خلقنا الله وهو يعلم ان الغالبية سيدخلون النار ؟..!!!! الاجابة قمة في الروعة !!!
0 حسنة الدنيا .. المرأة الصالحة، وحسنة الآخرة .. الجنة
0 خدعة بصرية: في اي اتجاه تتحرك الصورة؟
0 من أصدق حبا " الرجل " أم " المرأة " ومن يكذب بالحب ! الرجل أم المرأة ؟
0 طبيب مسيحي يحمل سلام المسيح ويعرض المسيحية على شيخ مسلم فكانت الصاعقة..
0 سؤال من ملحد لماذا خلقنا الله وهو يعلم ان الغالبية سيدخلون النار ؟..!!!! الاجابة قمة في الروعة !!!
0 حسنة الدنيا .. المرأة الصالحة، وحسنة الآخرة .. الجنة
0 خدعة بصرية: في اي اتجاه تتحرك الصورة؟
0 من أصدق حبا " الرجل " أم " المرأة " ومن يكذب بالحب ! الرجل أم المرأة ؟