un neurone artificiel Le neurone fonctionNel Entrée Entrée train d’impulsions Entrée X1 X0 X2 Force W1 Force Force W0 W2 ∑ f f(W0X0+W1X1+W2X2) Sortie Le neurone biologique Modéliser pour calculer Mnemosyne, Inria, Institut des Maladies Neurodégénératives, LaBRI Apprentissage supervisé 1 + 2 = ? 4 ! Non, la réponse est 3 (généraliser, cervelet) Apprentissage par renforcement 1 + 2 = ? 7 ! Non ! (décider, ganglions de la base) Apprentissage non supervisé 1 + 2 ? 1+2 ! (apprentissage par coeur, hippocampe) 1 + 2 ? 2+1 ! (regroupement par similarité, cortex) Généraliser W1 Position X W2 Score Position Y Réponse 2 exemples 3 exemples 5 exemples 10 exemples W3 Entrées Combinaison linéraire Non linéarité Donald O. Hebb Fire together Wire together mémoriser Apprendre Rappeler Apprendre Rappeler Différentes architectures organiser iteration 1 iteration 50 iteration 100 iteration 1000 Un réseau de neurones artificiels est un ensemble d'algorithmes dont la conception très schématiquement inspirée du fonctionnement et de l'organisation du cerveau. Un réseau de neurones artificiels est décrit par le type de modèle de neurones qu’il utilise, par son architecture (en couches, récurrente, etc.) et son algorithme d’apprentissage (supervisé, renforcement, non-supervisé). Ces réseaux peuvent être utilisés pour réaliser plusieurs formes de mémoire, permettant par exemple de généraliser une fonction (mémoire procédurale) ou d'apprendre par coeur (mémoire épisodique).