4. Les systèmes neuronaux

Les systèmes neuronaux, ou réseaux de neurones, sont des modèles d'IA qui imitent le fonctionnement des neurones dans le cerveau humain. Ils sont composés de couches de neurones interconnectés. Chaque neurone est un élément de traitement de l'information qui reçoit des entrées, effectue des calculs, puis transmet une sortie à d'autres neurones. Ces connexions entre les neurones ont des poids qui sont ajustés pendant l'apprentissage.[10]

Fonctionnement :

  • Entrées : Les données d'entrée sont introduites dans le réseau, par exemple, des pixels d'une image ou des mots d'un texte.
  • Propagation : Les données se propagent à travers les couches de neurones. Chaque connexion entre les neurones est associée à un poids qui influence la contribution d'une entrée à la sortie du neurone.
  • Activation : Chaque neurone applique une fonction d'activation à la somme pondérée de ses entrées. Cela permet de modéliser des relations non linéaires entre les données.

Exemple d'un système neuronal à deux neurones à l'entrées, une couche cachée à trois neurones et la sortie à une neurone.