Réseaux de neurones & Réseaux bayésiens
Les réseaux forment une arborescence de connections qui permet la combinaison fonctionnelle de plusieurs variables. Il en existe plusieurs architectures, spécifiques à différents concepts.
Le potentiel de cet artifice est énorme car il peut révéler la connaissance enfouie dans d'énormes quantités de données ou modéliser le comportement d'un système afin de le simuler et / ou de le piloter.
Les réseaux bayésiens traitent des probabilités et à ce titre conviennent parfaitement à la transcription logicielle des arbres de causes et des arbres de défaillances, et donc intéressent respectivement la déduction automatique et gestion des risques.
Nous utilisons le réseau de neurones dans différents domaines tels que l'audit industriel, l'analyse de risque dans les processus de production, l'aide à la décision stratégique, la régulation en temps réel de systèmes d'irrigations ainsi que des applications algorithmiques variées.
Quelques applications en images :
La cartographie de l'activité interne des neurones constituant un réseau de type perceptron et une matrice de traceurs de gènes ADN révélés se ressemblent beaucoup. Une connexion de l'un à l'autre permet une analyse complexe de l'échantillon. |
 |
 |
Comprimer une image par réseau de neurones offre certains avantages. Voici le comparatif entre l'image originale de faible définition et sa représentation avec taux de compression de 150. |
La reconnaissance de caractères est une application classique du réseau de neurones, elle permet par exemple de "lire" les adresses des courriers postaux ou les Flashcodes avec une grande vitesse. |
 |
 |
Voici un modèle neuronal de contrôle-commande minimal pour la marche d'un robot hexapode : tant le cycle que la "traduction" en mouvement des membres sont graphiquement visibles. |
Une certaine similitude de forme commence à apparaître entre un réseau neuronal de pilotage de robot et le cerveau d'un insecte lorsque sont ajoutées certaines fonctionnalités/traits. |
 |
