Apprentissage automatique - Réseaux de neurones artificiels

L'idée de réseaux neuronaux artificiels est dérivée des réseaux neuronaux du cerveau humain. Le cerveau humain est vraiment complexe. En étudiant attentivement le cerveau, les scientifiques et les ingénieurs ont proposé une architecture qui pourrait s'intégrer dans notre monde numérique d'ordinateurs binaires. Une telle architecture typique est illustrée dans le diagramme ci-dessous -

Il existe une couche d'entrée qui possède de nombreux capteurs pour collecter des données du monde extérieur. Sur le côté droit, nous avons une couche de sortie qui nous donne le résultat prédit par le réseau. Entre ces deux, plusieurs couches sont cachées. Chaque couche supplémentaire ajoute une complexité supplémentaire à la formation du réseau, mais fournirait de meilleurs résultats dans la plupart des situations. Il existe plusieurs types d'architectures conçues dont nous allons parler maintenant.

Architectures ANN

Le schéma ci-dessous montre plusieurs architectures ANN développées sur une période de temps et sont en pratique aujourd'hui.

La source:

https://towardsdatascience.com/the-mostly-complete-chart-of-neural-networks-explained-3fb6f2367464

Chaque architecture est développée pour un type d'application spécifique. Ainsi, lorsque vous utilisez un réseau de neurones pour votre application d'apprentissage automatique, vous devrez utiliser l'une des architectures existantes ou concevoir la vôtre. Le type d'application que vous décidez finalement dépend des besoins de votre application. Il n'y a pas de ligne directrice unique qui vous indique d'utiliser une architecture réseau spécifique.