Sommaire

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.