Utilisation de plusieurs couches de neurones

Ce que nous allons découvrir et les prérequis

Après avoir découvert dans le chapitre précédent le fonctionnement d’un neurone formel, nous allons à présent nous attarder sur les réseaux de neurones multicouches.

Fonctionnement des réseaux de neurones multicouches 

Le fonctionnement d’un neurone formel à l’aide de neurones d’entrée, de poids, d’un biais et une fonction d’activation est assez simple à comprendre. L’objectif de ce neurone étant de minimiser sa fonction de coût en apprenant de ses erreurs. Nous avons beaucoup insisté dans le chapitre précédent sur le fait qu’un neurone formel est capable uniquement de classifier des données linéairement séparables, or dans la pratique, il est bien rare que celles-ci le soient. C’est alors que sont apparus les réseaux de neurones multicouches.

Leur fonctionnement est identique à celui du neurone formel. À ce titre, nous retrouverons les actions de propagation et de rétropropagation s’appliquant à chaque couche du réseau. La fonction d’activation ne s’appliquant quant à elle qu’aux neurones chargés de réaliser la classification.

Conclusion

Dans ce chapitre, nous avons vu le principe de fonctionnement des réseaux de neurones multicouches qui nous permettent de réaliser des classifications sur des données non linéairement séparables.

Nous avons également pu valider l’affirmation de Terry Sejnowski et R. Paul Gorman selon laquelle le nombre de neurones présents sur la couche cachée influe sur le résultat de la classification. Nous pouvons également constater que nous sommes parvenus à un meilleur résultat de classification que celui obtenu dans le chapitre Bien classifier n’est pas une option, où à l’aide de l’algorithme des Machines à vecteurs de supports, le score de précision ne dépassait pas les 89 %. Mais il convient toutefois de bien veiller à ce que le modèle puisse se généraliser en évaluant l’écart entre la précision obtenue sur les données d’apprentissage et celle obtenue sur les données de tests.

Dans le chapitre suivant, nous allons à présent aborder le domaine de la classification d’image à l’aide d’un autre type de réseau de neurones, appelé réseau de neurones convolutifs.