θ (seuil)
Fonction f(x)
x1
x2
w1
w2
1. Poids au niveau des connexions synaptiques
2. Fonction d’activation propre à chaque cellule :
- tout ou rien (1 si input > seuil et 0 sinon)
- fonction logique ex : x1 x2 Output
0 0 0
0 1 1
1 0 1
1 1 1
Réseau de neurone artificiel : formalisation
Le perceptron (Rosenblat, 1959) :
Connexion complète des cellules de la rétine au cellule
Rétine Unités de
décision
Le nombre de cellule nécessaire dépend du problème traité
Taille de la rétine proportionnelle à la taille des données
Exemple reconnaissance de chiffre :
1
3
6
7
8
2
47 valeurs
d’entrée
Je veux reconnaître les chiffres : 1, 3 et 7
0
0
1
0
0
1
0
1
0
1
1
0
1
1
1
0
1
0
0
1
0
137
1
2
3
4
5
6
7
Données :
Décisions :
1
0
0
0
1
0
0
0
1
Associer 1 sortie à un vecteur d’entrée
Réseau de Hopfield
(mémoire auto-associative)
Objectif : retrouver de l’information dans un réseau par le
contenu
Caractéristiques :
1. La représentation de l’information est distribuée
2. Mémoire adressable par le contenu
3. Forte tolérance à la dégradation
Principe :
Données en entrée Trouver un état stable
(en réponse)
Mémoire auto-associative : réseau de Hopfield
a b
c d
g
f
e
-1
-1
-1
-1+1
+1
+1
+2 -2 +3
+3
• Les cellules sont à la fois des cellules
d’entrée et des cellules de sorties
• Récupération d’une information
dans un réseau par le contenu
État initial
Sélection de a
Sélection de c
a b c d e f g
- + - - + - -
- + - - + - -
- + + - + - -
a = (-1 × +1) + (-1 × +1) + (-1 × -1) = -1
c = (-1 × +1) + (-1 × -1) + (+1 × +2) + (+1 × +2) = +1
b c d
a d e f
Exemple de calcul d’activation :
A partir d’un certain temps, il n’y a
d’évolution quelque soit la cellule
sélectionnée : état stable
4 états stables pour ce réseau :
a b c d e f g
- - - - - - -
+ - + - + + -
- + - + - - +
- + + + + - +
État 1 :
État 2 :
État 3 :
État 4 :
Lorsqu’on présente un objet, on veut
récupérer l’état le plus proche : auto-
associatif
Règle de Hebb (1949)
Potentialisation à long terme (LPC)
Plausibilité neuromimétique
I = (X, Y)
Événement
Activité
sensorielle
Activité
motrice
Cible Contexte
Stockage des relations par le biais
des forces de liaisons entre les unités du réseau
Substrats neurophysiologiques de
la mémoire humaine
A la recherche du code
neuronal des souvenirs
Codage sous forme d’activités cellulaires
au sein de vastes réseaux de neurones
S1
S2
S3
R1 R2
Neuromodulation
Apprentissage