Leçons de niveau 18

Réseaux de neurones/Qu'est-ce qu'un neurone ?

Une page de Wikiversité.
Sauter à la navigation Sauter à la recherche
Début de la boite de navigation du chapitre
Qu'est-ce qu'un neurone ?
Icône de la faculté
Chapitre no 2
Leçon : Réseaux de neurones
Chap. préc. :Historique
Chap. suiv. :Les neurones en réseaux
fin de la boite de navigation du chapitre
Icon falscher Titel.svg
En raison de limitations techniques, la typographie souhaitable du titre, « Réseaux de neurones : Qu'est-ce qu'un neurone ?
Réseaux de neurones/Qu'est-ce qu'un neurone ?
 », n'a pu être restituée correctement ci-dessus.



Le neurone biologique[modifier | modifier le wikicode]

Un neurone est une cellule nerveuse constituant la base du système nerveux spécialisée dans le traitement des signaux électriques. C'est en 1881 que le terme de neurone (all. Neuron, n) fut intégré au vocabulaire médical par l'anatomiste allemand Heinrich Wilhelm Waldeyer. En biologie, le cerveau humain contient un grand nombre de neurones fortement interconnectés constituant des réseaux de neurones.

Schéma d'un neurone biologique

Chaque neurone est une entité autonome au sein du cerveau. Un neurone comprend un corps cellulaire ou cellule somatique ou soma, centre de contrôle de celui-ci, qui fait la somme des informations qui lui parviennent. Il traite ensuite l'information et renvoie le résultat sous forme de signaux électriques, du corps cellulaire à l'entrée des autres neurones au travers de son axone. Les axones reliant les neurones entre eux jouent donc un rôle important dans le comportement logique de l'ensemble. Le neurone est également constitué de plusieurs branches nommées dendrites, qui sont les récepteurs principaux du neurone, par lesquelles transite l'information venue de l'extérieur vers le corps cellulaire. Les synapses du neurone quant à eux reçoivent les informations des autres neurones via l'axone et permettent donc aux neurones de communiquer entre eux.

Les synapses ont une espèce de «mémoire» qui leur permet d'ajuster leur fonctionnement. En fonction de leur activation répétée ou non entre deux neurones, les connexions synaptiques vont se modifier. Certaines synapses vont être excitatrices et activer les neurones et d'autres vont être inhibitrices et stopper le signal électrique appelé aussi influx nerveux. Les synapses inhibitrices assurent le contrôle du neurone et son bon fonctionnement. L'action inhibitrice d'un synapses peut être suspendue temporairement dans certains cas tel que l’apprentissage. Chez certaines personnes, le mécanisme responsable de l'inhibition est altéré et entraîne une excitation durable des neurones pouvant conduire à l’épilepsie.

Le traitement de l'information par chaque neurone montre que celle-ci n’est pas stockée dans les neurones mais est bien le résultat du comportement de tout le réseau interconnecté. L'information est donc principalement dans l'architecture et dans la force des connexions neuronales.

Les neurones biologiques ont deux propriétés qui peuvent être appliquées au niveau des neurones artificiels :

  • l'excitabilité : c'est-à-dire la capacité de réagir sous l'effet de stimulations extérieures et de convertir celles-ci en impulsions
  • la conductivité : c'est-à-dire la capacité de transmettre les impulsions nerveuses.

Du neurone biologique au neurone artificiel[modifier | modifier le wikicode]

Les réseaux de neurones biologiques qui constituent le cerveau humain réalisent simplement de nombreuses applications telles que la reconnaissance de formes, le traitement du signal, la mémorisation, la généralisation, l'apprentissage par l'exemple, etc. Or ces applications sont actuellement à la limite de leurs possibilités actuelles, même en tenant compte de tous les efforts déployés en algorithmique ou en intelligence artificielle. C'est à partir de l'hypothèse que le comportement intelligent humain est le résultat de la structure et des éléments de bases du système nerveux central (que sont les neurones), que l’on a développé les réseaux de neurones artificiels. Cette inspiration à partir du modèle biologique provient du fait que le cerveau humain est un système apprenant basé sur une structure contenant environ 100 milliards de neurones reliés entre eux par 10000 contacts synaptiques ce qui représente un million de milliards de synapses.

Les réseaux de neurones artificiels sont donc un moyen de modéliser le mécanisme d'apprentissage et de traitement de l'information qui se produit dans le cerveau humain. Les réseaux de neurones - comportement intelligent.JPG

Correspondance neurone biologique/formel[modifier | modifier le wikicode]

On peut résumer la modélisation du neurone formel à partir du neurone biologique à l'aide du tableau suivant.

Neurone biologique Neurone artificiel
Axones Signal de sortie
Dendrites Signal d'entrée
Synapses Poids de la connexion

Le neurone artificiel[modifier | modifier le wikicode]

Le schéma montre la composition d'un neurone artificiel. Chaque neurone faisant partie du réseau est une machine élémentaire. Il reçoit un certain nombre de variables d'entrées provenant de neurones en amont. À chacune de ces entrées, est associé un poids qui représente la force de la connexion entre les deux neurones. Chaque neurone est doté d'une unique sortie qui se ramifie ensuite pour représenter les entrées qui alimenteront d'autres neurones en aval. Pour résumer, chaque neurone calcule une sortie unique en se basant sur les informations qui lui sont données.

Schéma d'un neurone artificiel

Neurone artificiel

Le neurone en tant qu'unité élémentaire agit de la façon suivante :

  • 1ère phase : Le neurone fait le calcul de la somme pondérée des entrées (en fonction de la force des connexions). L'apprentissage ayant été réalisé auparavant, le poids des connexions est ici déjà déterminé et fixe.
  • 2e phase : À partir de la valeur obtenue, une fonction d'activation ou de transfert va calculer la valeur de l'état du neurone. Le neurone compare la somme pondérée des entrées à une valeur de seuil et fournit alors une réponse en sortie.

La majorité des fonctions sont continues et offrent donc une infinité de valeurs possibles comprises dans les intervalles [0;+1] ou [-1;+1]. Il existe différents types de fonctions de transfert pour le neurone artificiel :