Réseau de neurones artificiels (ANN)

Un réseau de neurones artificiels ou un artificial neural network (ANN) en anglais, est un algorithme mathématique pour la résolution de problèmes. Le concept de réseau de neurones artificiels a été développé pour la première fois en 1943, par Warren S. McCulluch (neuroscientifique) et Walter Pitts (logicien) aux États-Unis, en s'inspirant des réseaux de réseaux de neurones biologiques constituant le cerveau humain. Les réseaux de neurones biologiques sont constitués d'un grand nombre de neurones interconnectés. Le cerveau humain compte généralement environ 100 milliards de neurones. Chaque neurone se compose de trois parties principales : les dendrites, un corps cellulaire (soma) et un axone. Les dendrites sont les structures en forme d'arbre pour recevoir les signaux d'entrée des neurones environnants, le corps cellulaire est pour traiter les signaux d'entrée et l'axone est pour se connecter aux dendrites d'un autre neurone; le contact se fait par une synapse. Les synapses permettent à un neurone de transmettre un signal électrique ou chimique à un autre neurone, et la force d'une connexion synaptique varie. Un neurone additionnera toutes les entrées, puis déclenchera un signal de sortie via un axone vers le neurone suivant. Ce signal peut être soit excitateur, soit inhibiteur, ce qui signifie augmenter ou diminuer le tir, selon certaines conditions. Comme les réseaux de neurones biologiques, les réseaux de neurones artificiels sont également constitués d'un neurone individuel interconnecté, le perceptron en cascade. Le perceptron est l'élément le plus fondamental du réseau neuronal. L'algorithme de perception a été défini par Frank Rosenblatt, un psychologue américain, au Cornell Aeronautical Laboratory aux États-Unis en 1957.

Liste des solutions

Voici la liste des solutions pour l'apprentissage profond :