Réseaux de neurones artificiels

UCL-ELEC-3190 -- M. Verleysen -- 30-15-15 -- Cours de 2ème cycle

Objectif

Les réseaux de neurones artificiels consistent en un ensemble d'outils et de méthodes de calcul, pouvant être appliqués à des domaines aussi divers que le traitement d'information, la classification de données, la statistique, le traitement de signal (image, parole), la prédiction de séries temporelles ou encore le contrôle. Les nombreuses applications industrielles des réseaux de neurones artificiels apparues depuis quelques années justifient l'intérêt grandissant porté à ce domaine, et font oublier le scepticisme qui était de mise il n'y a pas encore si longtemps.

Le but du cours est d'envisager l'utilisation des réseaux de neurones artificiels dans les domaines du traitement de signal et de la classification de données. Le cours passera en revue les différents modèles principaux de réseaux de neurones artificiels, en insistant sur leurs possibilités d'application en traitement d'images et en classification de données, tout en comparant le cas échéant les performances des techniques neuronales avec des méthodes plus classiques propres au domaine considéré.

Prérequis

• notions de calcul numérique

Contenu

• Principes généraux Après une introduction sur les origines physiologiques des modèles de réseaux de neurones artificiels, les principes généraux seront présentés (concepts d'apprentissage, de mémoire distribuée, de mémoire associative, principe des règles d'association,...).
• Modèles et applications de réseaux de neurones artificiels Parmi les différents modèles de réseaux de neurones artificiels, le cours mettra tout d'abord l'accent sur les modèles à neurone unique et à plusieurs neurones orientés vers la classification de données (adaline, perceptron mono- et multi-couches, réseaux rebouclés, réseaux évolutifs), et leurs applications respectives. Une deuxième catégorie de modèles reprendra les réseaux plus particulièrement destinés au traitement de signal (méthodes LVQ, auto-organisation, fonctions radiales de base,...); un parallèle sera fait avec les méthodes plus classiques utilisées en compression d'images (quantification vectorielle, codage entropique), et on insistera sur la complémentarité entre les deux approches. Enfin, le domaine de la séparation de sources indépendantes (son et image) par réseaux de neurones sera également présenté.

Pédagogie

La mise en oeuvre des méthodes présentées au cours se fera sous forme de quelques séances d'exercices, ainsi que d'un projet de courte durée. Des intervenants extérieurs donneront une introduction à d'autres méthodes non traitées au cours, sous la forme de séminaires.

Références

Le premier livre est une introduction générale aux réseaux de neurones artificiels, utile pour un premier contact avec le domaine. Les deux autres sont des références qui couvrent le domaine dans l'esprit du cours.

8
F. Blayo and M. Verleysen Les réseaux de neurones artificiels Collection Que Sais-je?, Presses Universtaires de France, No. 3042, 1996

9
J. Hertz, A. Krogh, R.G. Palmer Introduction to the Theory of Neural Computations Sante Fe Studies in the Sciences of Complexity, Addison-Wesley, 1991

10
L. Fausett Fundamentals of Neural Networks Prentice-Hall, 1994