Résoudre Tous Les Problèmes De Windows Et Autres Programmes

Réseaux de neurones artificiels

Un ordinateur numérique traditionnel effectue très bien de nombreuses tâches. C'est assez rapide, et il fait exactement ce que vous lui dites de faire. Malheureusement, cela ne peut pas vous aider lorsque vous ne comprenez pas pleinement le problème que vous souhaitez résoudre. Pire encore, les algorithmes standard ne traitent pas bien les données bruyantes ou incomplètes, mais dans le monde réel, c'est souvent le seul type disponible. Une solution consiste à utiliser un réseau de neurones artificiels (ANN), un système informatique qui peut apprendre par lui-même.

comment rendre google chrome plus rapide sur android

Le premier réseau de neurones artificiels a été inventé en 1958 par le psychologue Frank Rosenblatt. Appelé Perceptron, il était destiné à modéliser la façon dont le cerveau humain traitait les données visuelles et apprenait à reconnaître les objets. D'autres chercheurs ont depuis utilisé des ANN similaires pour étudier la cognition humaine.



Finalement, quelqu'un s'est rendu compte qu'en plus de fournir des informations sur la fonctionnalité du cerveau humain, les ANN pourraient être des outils utiles à part entière. Leurs capacités d'appariement et d'apprentissage leur ont permis de résoudre de nombreux problèmes difficiles ou impossibles à résoudre par des méthodes de calcul et statistiques standard. À la fin des années 1980, de nombreux instituts du monde réel utilisaient les ANN à diverses fins.



Bien que les ANN soient souvent appelés simplement réseaux de neurones, ce nom appartient plus correctement aux cerveaux biologiques sur lesquels ils ont été initialement modélisés.

Structure



Un réseau de neurones artificiels fonctionne en créant des connexions entre de nombreux éléments de traitement différents, chacun analogue à un seul neurone dans un cerveau biologique. Ces neurones peuvent être physiquement construits ou simulés par un ordinateur numérique. Chaque neurone reçoit de nombreux signaux d'entrée, puis, sur la base d'un système de pondération interne, produit un seul signal de sortie qui est généralement envoyé en entrée à un autre neurone.

Les neurones sont étroitement interconnectés et organisés en différentes couches. La couche d'entrée reçoit l'entrée, la couche de sortie produit la sortie finale. Habituellement, une ou plusieurs couches cachées sont prises en sandwich entre les deux. Cette structure rend impossible la prédiction ou la connaissance exacte du flux de données.

Comment ils apprennent



Les réseaux de neurones artificiels commencent généralement avec des poids aléatoires pour tous leurs neurones. Cela signifie qu'ils ne « savent » rien et doivent être formés pour résoudre le problème particulier auquel ils sont destinés. D'une manière générale, il existe deux méthodes pour former un ANN, selon le problème qu'il doit résoudre.

Un ANN auto-organisé (souvent appelé Kohonen d'après son inventeur) est exposé à de grandes quantités de données et a tendance à découvrir des modèles et des relations dans ces données. Les chercheurs utilisent souvent ce type pour analyser des données expérimentales.

Un ANN à rétropropagation, à l'inverse, est formé par des humains pour effectuer des tâches spécifiques. Pendant la période de formation, l'enseignant évalue si la sortie de l'ANN est correcte. Si c'est correct, les pondérations neuronales qui ont produit cette sortie sont renforcées ; si la sortie est incorrecte, les pondérations responsables sont diminuées. Ce type est le plus souvent utilisé pour la recherche cognitive et pour les applications de résolution de problèmes.

mise à jour des fonctionnalités vers Windows 10, version 1909

Mis en œuvre sur un seul ordinateur, un réseau de neurones artificiels est généralement plus lent qu'une solution algorithmique plus traditionnelle. La nature parallèle de l'ANN, cependant, lui permet d'être construit à l'aide de plusieurs processeurs, ce qui lui confère un avantage considérable en termes de vitesse à un coût de développement très faible. L'architecture parallèle permet également aux ANN de traiter très efficacement de très grandes quantités de données. Lorsqu'ils traitent de grands flux d'informations continus, tels que la reconnaissance vocale ou les données de capteurs de machine, les ANN peuvent fonctionner considérablement plus rapidement que leurs homologues linéaires.

Les réseaux de neurones artificiels se sont avérés utiles dans une variété d'applications du monde réel qui traitent des données complexes et souvent incomplètes. Le premier d'entre eux concernait la reconnaissance de formes visuelles et la reconnaissance vocale. De plus, des programmes récents de synthèse vocale ont utilisé des ANN. De nombreux programmes d'analyse de l'écriture manuscrite (tels que ceux utilisés dans les PDA populaires) sont alimentés par des ANN.

Les usines automatisées et robotisées sont désormais surveillées par des ANN qui contrôlent les machines, ajustent les paramètres de température, diagnostiquent les dysfonctionnements et plus encore. Ces RNA peuvent augmenter ou remplacer la main-d'œuvre qualifiée, permettant à moins de personnes de faire plus de travail.

Utilisations économiques

Les utilisations économiques des ANN sont peut-être les plus intéressantes.

De grandes institutions financières ont utilisé les ANN pour améliorer leurs performances dans des domaines tels que la notation des obligations, la notation de crédit, le marketing ciblé et l'évaluation des demandes de prêt. Ces systèmes ne sont généralement que de quelques points de pourcentage plus précis que leurs prédécesseurs, mais en raison des sommes d'argent impliquées, ils sont très rentables. Les ANN sont désormais utilisés pour analyser les transactions par carte de crédit afin de détecter les cas probables de fraude.

domaines en direct

Les ANN sont également utilisés pour découvrir d'autres types de crimes. Les détecteurs de bombes dans de nombreux aéroports américains utilisent des ANN pour analyser les éléments traces en suspension dans l'air afin de détecter la présence de produits chimiques explosifs. Et le bureau du personnel du département de police de Chicago utilise les ANN pour tenter d'éradiquer la corruption parmi les policiers.

Kay est un écrivain indépendant à Dorchester, Mass. Contactez-le à Alexx@world.std.com .

Choix De L'Éditeur

Utilisation de l'utilitaire de vidage du journal des événements

Computerworld couvre un large éventail de sujets technologiques, en mettant l'accent sur ces domaines clés de l'informatique : Windows, Mobile, Apple/entreprise, Office et suites de productivité, collaboration, navigateurs Web et blockchain, ainsi que des informations pertinentes sur des entreprises telles que Microsoft, Apple et Google.

FireEye fait ses débuts avec la sécurité « machine virtuelle »

La start-up FireEye, qui fait ses débuts cette semaine, a annoncé son intention de livrer le mois prochain une appliance de contrôle d'accès au réseau basée sur un commutateur qui permettra aux clients d'identifier les logiciels malveillants et les attaques réseau afin de les contenir rapidement.

Les téléphones Samsung Galaxy S7 reçoivent des frais graphiques pour les jeux et la réalité virtuelle

Samsung a considérablement amélioré les performances des jeux et des graphiques dans les nouveaux téléphones S7 et S7 Edge alors qu'il tente de s'appuyer sur son partenariat avec Oculus et de faire de la réalité virtuelle une application clé pour les smartphones.

Un outil de prise de notes indispensable pour Chrome

Donnez à votre navigateur une mise à niveau qui améliore le travail avec ce module complémentaire exceptionnel hors des sentiers battus.

Dell livrera un ordinateur portable Linux XPS 13 Developer Edition avec Skylake

Les ordinateurs portables XPS 13 ultra-minces « Project Sputnik » de Dell avec les puces Ubuntu Linux et Intel Skylake sont au coin de la rue.