La présentation - Site perso de PGGJ.net

PLAN
• INTRODUCTION: définition, contexte
scientifique, historique, domaines d’application.
• PERCEPTRON: modèle mathématique, fonctions
de transfert, architecture de réseau.
• DONNEES CLIMATIQUES: activité solaire, taux
de CO2, couche optique stratosphérique
• RESULTATS ET INTERPRETATIONS
• CONCLUSION
DEFINITION
Les réseaux de neurones artificiels sont des réseaux
fortement connectés de processeurs élémentaires
fonctionnant en parallèle.
Chaque processeur élémentaire (neurone artificiel) calcule
une sortie unique sur la base des informations qu’il
reçoit.
Parallel Distributed Processing :
1.
2.
Calculs élémentaires et parallèles
Données/informations distribuées dans le réseau
Inspiration naturelle : analogie avec le cerveau
Contexte Scientifique
Neuromimétisme et sciences de la cognition :
comprendre et simuler le fonctionnement du cerveau
reproduire les phénomènes cognitifs (I.A.)
Connexionisme :
outils d’ingénierie performants
Intelligence computationnelle :
une intelligence basée sur le calcul numérique
opposée à l ’intelligence artificielle (calcul symbolique)
réseau de neurones; logique floue; algorithmes
génétiques; ...
Historique (la préhistoire)
James [1890] :
mémoire associative
McCulloch & Pitts [1943]
A logical calculus of the ideas immanent in nervous
activities
neurone formel
 Les ordinateurs à codage binaire (Von Neumann)
 L ’intelligence artificielle (calcul symbolique)
 Les réseaux de neurones
Hebb [1949]
Organisation of behavior
le conditionnement est une propriété des neurones
loi d’apprentissage
Historique(les premiers succès)
Rosenblatt [1957] :
le perceptron, premier modèle opérationnel
reconnaissance d ’une configuration apprise
tolérance aux bruits
Widrow [1960] :
adaline, adaptive linear element
Minsky & Papert [1969] :
impossibilité de classer des configurations non
linéairement séparables
abandon (financier) des recherches sur les RNA
Historique (le renouveau)
[1967 - 1982] :
Mise en sommeil des recherches sur les RNA. Elles
continuent sous le couvert de domaines divers.
Grossberg, Kohonen, Anderson, ...
Hopfield [1982] :
modèle des verres de spins
Boltzmann [1983] :
première réponse à Minsky et Papert
[1985] :
la rétro-propagation du gradient et le perceptron
multicouche
Rumelhart, McClelland, … [1985] :
le groupe Parallel Distributed Processing
Domaines d’application
• Classification :
répartir en plusieurs classes des objets
données quantitatives  informations qualitatives
reconnaissance des formes
• Recherche Opérationnelle
résoudre des problèmes dont on ne connaît pas la solution
• Mémoire Associative
restituer une donnée à partir d’informations incomplètes
et/ou bruitées.
Le modèle mathématique d'un neurone
artificiel
Entrées du
neurone
Poids du
neurone
Fonctionnement
Sortie n de l’intégrateur :
Sous forme matricielle :
b = biais du neurone
Sortie a du neurone :
Nouveau Schéma
Les fonctions de transfert
Les plus courantes
Les plus utilisées
fonction seuil
(ou "hard limit")
fonction linéaire
fonction sigmoïde
Architecture de réseau
Représentation simplifiée
Activité solaire
• Rayonnement solaire (énergie solaire provient de la fusion)
= énergie fondamentale du système climatique de la
Terre
• toute variation de la production d’énergie solaire
 facteur déterminant dans l’étude du climat terrestre.
• La mesure de l’activité solaire est :
l’irradiance en Watt par mètre carré.
On trace un graphe de l’activité solaire grâce aux données qui
nous ont été fournies.
Activité solaire
Cycle de Schwabe  11ans
Activité solaire
Les taches solaires
• Premiere observation: Galilée vers 1610
• Dimension : diamètre peut atteindre plusieurs
dizaines de milliers de kilomètres.
•Les premières taches d’un cycle : 30° et le 35° de
latitude
• la zone d’apparition des taches migre vers
l’équateur solaire au fil des années.
• début du cycle suivant avant la fin du cycle en cour
car ré-apparition de tache en haute latitude
-10
-30
-50
y=0.3001 x - 283.72
-70
Année de référence 1960
2000
1996
1992
1988
1984
1980
1976
1972
1968
1964
1960
1956
1952
1948
1944
1940
1936
1932
1928
1924
1920
1916
1912
1908
1904
1900
1896
1892
1888
1884
1880
1876
1872
1868
1864
1860
1856
Le taux de CO2
70
50
30
Y=1.3884x + 2409
10
Le taux de CO2
• augmentation du taux de CO2
 révolution industrielle (de
+ en + de pays)
• deforestation anthropique
 moins d’absoption CO2
de par photosynthese
Rappel de vulcanologie
quatre types, selon la nature et la fluidité
de la lave qui s'écoule.
VOLCAN TYPE HAWAÏEN: des éruptions
dites effusives. lave est très fluide pas
d’explosion.
VOLCAN TYPE STROMBOLIEN :
éruptions diffusives et explosives, des
coulées de lave fluide et des projections
de cendres et der roches brûlantes, les
bombes.
VOLCAN TYPE VULCANIEN :
éruptions explosives, avec des coulées de
lave très visqueuse, projection très haut
d'énormes quantités de cendres et de
blocs incandescents.
VOLCAN TYPE PELÉEN :rares et très
violentes.
explosion fait sauter le bouchon de lave
solidifiée, coulée rapide de cendres et
de fragments de lave solidifiée. C'est la
nuée ardente.
Variation de l’épaisseur optique
stratosphérique
L’activité volcanique
 grandes éruptions à caractère explosif
 injecter dans la stratosphère de grandes quantités de
gaz soufré qui se transforment par
la suite en aérosols
sulfatés
 réduction de l’irradiance (estimé à −3,5 Wm² en
moyenne globale lors de l’éruption du Pinatubo par ex),
!
Hétérogénéité
IV. Résultats obtenus
Cas n°=1:
istep=20
nstep = 20
Nombre de neurones = 3
Cas n°=1
Cas n°=1
Avec un nombre de neurones = 5
Avec un nombre de neurones = 5
Même situation avec un nombre de
neurones = 10
Même situation avec un nombre de
neurones = 10
Avec 100 neurones cachés:
Avec 100 neurones cachés:
Cas n°=2 : nombre de neurones=3.
• istep = 30
• nstep = 30
Cas n°=2 : nombre de neurones=3.
Pour nstep = istep = 50 :
Pour nstep = istep = 100 :
istep = nstep = 100
CONCLUSION
• Autres Algorithmes de résolution:
_ Méthode de descente
_ Gradient simple ou conjugué
_ retropopagation du gradient
_ Quasi Newton
_…