Qu'est-ce qu'un réseau de neurones artificiels?
Un réseau de neurones artificiels est le nom d'une sorte de technologie informatique qui tente d'imiter le cerveau humain. Un réseau de neurones artificiels ou ANN comprend des neurones et des stimuli simulés pour tenter de reproduire les fonctions du cerveau. Cette large gamme de logiciels et de dispositifs utilise des modèles d’algorithmes neuronaux pour créer des processus de prise de décision qui, espèrent-ils, imiteront de près les processus de pensée de l’être humain. Les réseaux de neurones artificiels représentent un grand progrès par rapport aux idées relativement primitives sur l’informatique des décennies précédentes.
Le logiciel de réseau de neurones est traditionnellement appliqué aux jeux et autres tâches impliquant une pensée humaine relativement calculée. Dans un sens plus biophysique, les réseaux de neurones sont basés sur l'examen de la manière dont les neurones du cerveau communiquent et transmettent des messages. Les applications de réseau neuronal incluent l’interaction de diverses fonctions. Les ingénieurs se penchent sur la production totale pour voir comment ces systèmes de réseau neuronal artificiels peuvent effectivement imiter la pensée humaine. Une variété d'applications «réelles» pour ANN comprend l'analyse de régression, l'approximation des fonctions, la robotique et le traitement de données en général.
Différents types de réseaux de neurones artificiels ont été développés pour différentes dispositions de recherche. Celles-ci utilisent différents types de modèles d'apprentissage, tels que l'apprentissage supervisé, non supervisé ou renforcé. Les types de réseaux de neurones comprennent un réseau de neurones à réponse unique, une fonction de base radiale ou réseau RBF, un réseau auto-organisé de Kohonen et même des réseaux de neurones modulaires dans lesquels un réseau plus grand est composé de plusieurs petits réseaux.
Un autre type de nouvelle structure appliquée aux réseaux de neurones artificiels est souvent appelé un «comité de machines», dans lequel différentes structures de réseau fournissent chacune leur propre «vote» ou «opinion» dans un processus de modélisation de décision. Ceci est aussi parfois appelé réseau neuronal associatif ou ASNN. Les ingénieurs qui croient que l'ASNN peut aider à modéliser la prise de décision d'un groupe humain ou une autre modélisation complexe de manière similaire aux modèles de prise de décision individuels fournis par ANN sont évidents.
Un principe souvent utilisé par un réseau de neurones artificiels est appelé «logique floue». Le mot «flou» est utilisé pour décrire toute lacune dans les données ou les connaissances. Les réseaux de neurones sont souvent en mesure de combler certaines lacunes en matière de données ou de connaissances par des prédictions et des prévisions statistiques éclairées, ce qui contraste avec la logique binaire «oui ou non», traditionnellement associée à la prise de décision électronique. Surmonter la logique floue aide les réseaux de neurones à fournir de meilleurs résultats dans les simulations. En utilisant les éléments de base de recherches antérieures, les planificateurs et les ingénieurs expérimentés dans les réseaux de neurones artificiels améliorent continuellement les possibilités offertes par ces outils pour repousser les limites de notre connaissance de notre propre esprit.