APPRENTISSAGE PROFOND ou DEEP LEARNING

Apprentissage des poids synaptiques

Toutefois, même si de tels réseaux de neurones formels organisés en trois couches permettent de réaliser n’importe quelle fonction logique, il convient de configurer les liaisons synaptiques entre les neurones formels, autrement dit d’associer à chacune de ces liaisons un nombre, ce qui serait extrêmement fastidieux, voire inextricable manuellement, si l’on ne disposait pas de procédures d’apprentissage. On cherche donc, dès le début des années 1950, à élaborer des techniques pour établir automatiquement les pondérations des liaisons entre les synapses formelles en mimant les phénomènes d’apprentissage neuronal.

Pour cela, on recourt à l’apprentissage supervisé en donnant à une machine des exemples étiquetés et en faisant en sorte qu’elle ajuste automatiquement les poids des synapses formelles pour retrouver automatiquement les étiquettes des exemples. À titre d’illustration, si l’on donne des formes géométriques à la machine, on lui indique pour chacune qu'il s’agit d’un losange, d’un carré, d’un pentagone, d’un cercle, d’une ellipse, etc. Et on espère qu’elle sera ensuite en mesure de distinguer automatiquement ces types de formes, après lui avoir donné suffisamment d’exemples ainsi étiquetés.

1  2  3  4  5 …
pour nos abonnés,
l’article se compose de 5 pages