Chapitre1 Les rseaux de neurones

INTRODUCTION
Les rseaux de neurones artificiels, ou rseaux neuromimtiques, sont des modles inspirs du fonctionnement du cerveau animal, et dont le but est de voir surgir des proprits analogues au systme biologique. Ils en reprennent quelques grands principes : - le paralllisme : les neurones sont des entits ralisant une fonction trs simple, mais ils sont trs fortement interconnects entre eux, ce qui rend le traitement du signal massivement parallle. - les poids synaptiques : les connexions entre les neurones ont des poids variables, qui dterminent la force de linteraction entre chaque paire de neurones. - lapprentissage : ces coefficients synaptiques sont modifiables lors de l'apprentissage, dans le but de faire raliser au rseau la fonction dsire. La fonction que ralise un rseau dpend de sa structure (connexions et forces des connexions) ainsi que de l'opration effectue par les neurones. L'essentiel de l'tude des rseaux neuronaux (le connexionnisme), consiste en la mise au point et l'optimisation de mthodes d'apprentissage. Parmi leurs nombreuses applications, ils sont en particulier utiliss pour effectuer des prvisions, notamment mtorologiques, et en reconnaissance de formes. Jai choisi de me consacrer ces applications car elles offrent des retombes dans le domaine de lenvironnement, en permettant par exemple des conomies dnergie, de prvoir les pics dozone ou de dtecter des nappes de ptrole dans locan. Je commence dans ce dossier par une prsentation gnrale des rseaux de neurones artificiels, ainsi que quelques notions doptimisation. Je mintresse ensuite aux proprits des rseaux multicouches et leur apprentissage, pour finalement prsenter leurs applications ainsi que mes ralisations pratiques.