Réseau de Neurones

Chaque donnée numérique est insérée dans l’un des neurones de la couche d’entrée

Couche d’entrée

Donnée

L’image, le texte ou le son sont transformés en nombres (pixels, mots, fréquences)

Couche de sortie

Le neurone activé avec la valeur la plus élevée représente le résultat final, prédicté par les probabilités des calculs des couches précédentes

Réseau de Neurones

C’est ici que se déroule la fonction d’activation, qui active ou désactive un neurone en fonction du résultat de la formule mathématique. Seuls les neurones activés transmettent l’information à la couche suivante (Propagation en avant)

Couches cachées

Canaux et poids

Les neurones de la couche précédente sont connectés aux neurones de la couche suivante via canaux, auxquels correspond un poids, c'est-à-dire une valeur numérique. La donnée d'entrée à insérer dans le neurone de la couche suivante correspond à une formule mathématique qui consiste en : Z1 = (X1 * 0.8 + X2 * 0.2 ) + B1

Canaux et poids

Les neurones de la couche précédente sont connectés aux neurones de la couche suivante via canaux, auxquels correspond un poids, c'est-à-dire une valeur numérique. La donnée d'entrée à insérer dans le neurone de la couche suivante correspond à une formule mathématique qui consiste en : Z1 = (X1 * 0.8 + X2 * 0.2 ) + B1

Si la sortie est incorrecte ?

Le résultat de la sortie correspond à une valeur de probabilité. Le retour d'information sur la justesse ou non de la réponse est donné lors de la phase de apprentissage automatique Une magnitude est attribuée à l'erreur commise et l'information revient en arrière à travers les couches précédentes (rétropropagation). Une fois que les formules sont recalculées avec les nouvelles valeurs, la sortie avec la valeur la plus grande devrait correspondre au résultat correct.