· L' Intelligence Artificielle pour les
développeurs. Concepts et implémentations en C#. (Virginie
MATHIVET, 2014, page 429.
· A logical calculus of the Ideas Immanent in Nervous
activity. (Mac CULLOCH, Walter PITTS, 1943)
18 sur 51
Le neurone formel peut donc se résumer sous la forme
suivante : (Document : représentation d'un neurone artificielle).
Il est intéressant de comparer un neurone artificielle
avec un neurone biologique. Les neurones communiquent entre eux par signaux
électriques, appelés influx nerveux (ou potentiels d'action).
Chaque neurone est constitué d'un corps cellulaire, de prolongements
appelés dendrites et axones. Ces derniers émettent des connexions
avec d'autres neurones par l'intermédiaire des synapses.
(Document : représentation d'un neurone biologique).
SITOGRAPHIE
· Article écrit par Ikram Chraibi Kaadoud |
Comprendre la science tou-te-s ensemble, Sciences du Numérique
08.10.2018
Un neurone biologique reçoit des entrées ou
signaux transmis par d'autres neurones (interaction dendrites- synapse). Au
niveau du corps (soma), le neurone analyse et traite ces signaux en les
sommant. Si le résultat obtenu est supérieur au seuil
d'activation (ou d'excitabilité), il envoie une décharge alors
nommé potentiel d'action le long de son axone vers d'autres neurones
biologiques.
Un neurone formel est une représentation artificielle
et schématique d'un neurone biologique.
(Document : Mise en correspondance d'un neurone biologique avec
neurone artificiel).
Dans le domaine des réseaux de neurones, la fonction
de transfert peut aussi porter le nom de fonction de combinaison, ou fonction
de seuillage ou encore fonction d'activation. Biologiquement, l'idée
d'une fonction de transfert vient de l'idée de mimer le fonctionnement
d'un potentiel d'action d'un neurone biologique : si l'ensemble des stimuli en
entrée d'un neurone atteignent son seuil d'excitabilité, alors ce
neurone fournit une sortie autrement dit il décharge.
En conclusion, les neurones artificiels utilisent des poids,
une fonction d'agrégation, un seuil et une fonction d'activation pour
ajuster l'importance des entrées, combiner ces entrées
pondérées, décider de l'activation du neurone et
générer une sortie en fonction de la valeur agrégée
et du seuil. Inspirés par les neurones biologiques, les neurones
artificiels reproduisent de manière simplifiée la structure et le
fonctionnement des neurones dans le cerveau. Cette convergence entre les
neurones artificiels et biologiques reflète les efforts pour comprendre
et reproduire les mécanismes de traitement de l'information du cerveau.
Les réseaux de neurones artificiels, utilisés en intelligence
artificielle, résolvent des problèmes complexes tels que la
vision par ordinateur et la reconnaissance vocale, tandis que l'étude
des neurones biologiques continue d'inspirer de nouvelles avancées pour
concevoir des réseaux de neurones artificiels plus sophistiqués
et performants.
