modèle de calcul inspiré des neurones biologiques

Réseau de neurones artificiels

Réseau de neurones artificiels

Un réseau de neurones artificiels<a href="#cite_note-GDT-1" style="counter-reset: mw-Ref 1;">[1]</a>,<a href="#cite_note-JORF-2" style="counter-reset: mw-Ref 2;">[2]</a>, ou réseau neuronal artificiel<a href="#cite_note-GDT-1" style="counter-reset: mw-Ref 1;">[1]</a>, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des <a href="/fr/Neurone" title="Neurone" class="wl">neurones</a> biologiques, et qui par la suite s'est rapproché des méthodes statistiques<a href="#cite_note-3" style="counter-reset: mw-Ref 3;">[3]</a>.


Les réseaux de neurones sont généralement optimisés par des <a href="/fr/Apprentissage_automatique" title="Apprentissage automatique" class="wl">méthodes d'apprentissage</a> de type probabiliste, en particulier <a href="/fr/Inférence_bayésienne" title="Inférence bayésienne" class="wl">bayésien</a>. Ils sont placés d'une part dans la famille des applications <a href="/fr/Statistique" title="Statistique" class="wl">statistiques</a>, qu'ils enrichissent avec un ensemble de <a href="/fr/Paradigme" title="Paradigme" class="wl">paradigmes</a><a href="#cite_note-4" style="counter-reset: mw-Ref 4;">[4]</a> permettant de créer des classifications rapides (<a href="/fr/Carte_auto_adaptative" title="Carte auto adaptative" class="mw-redirect wl">réseaux de Kohonen</a> en particulier), et d'autre part dans la famille des méthodes de l'<a href="/fr/Intelligence_artificielle" title="Intelligence artificielle" class="wl">intelligence artificielle</a> auxquelles ils fournissent un mécanisme <a href="/fr/Perception" title="Perception" class="wl">perceptif</a> indépendant des idées propres de l'implémenteur, et des informations d'entrée au <a href="/fr/Raisonnement" title="Raisonnement" class="wl">raisonnement</a> logique formel (voir <a href="/fr/Apprentissage_profond" title="Apprentissage profond" class="wl">Apprentissage profond</a>).

En modélisation des circuits biologiques, ils permettent de tester quelques hypothèses fonctionnelles issues de la neurophysiologie, ou encore les conséquences de ces hypothèses pour les comparer au réel.

Un réseau de neurones artificiels. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien. Ils sont placés d'une part dans la famille des applications statistiques, qu'ils enrichissent avec un ensemble de paradigmes permettant de créer des classifications rapides , et d'autre part dans la famille des méthodes de l'intelligence artificielle auxquelles ils fournissent un mécanisme perceptif indépendant des idées propres de l'implémenteur, et des informations d'entrée au raisonnement logique formel . En modélisation des circuits biologiques, ils permettent de tester quelques hypothèses fonctionnelles issues de la neurophysiologie, ou encore les conséquences de ces hypothèses pour les comparer au réel. 