Dans le monde de
la programmation, les ordinateurs et l'intelligence artificielle, une
rétropropagation réseau neuronal est tout simplement une sorte de réseau de
neurones artificiels (ANN) qui utilise rétropropagation. Rétropropagation est
un droit fondamental et un algorithme couramment utilisé qui indique un ANN
comment effectuer une tâche donnée. Même si ce concept peut paraître déroutant,
et après avoir regardé les équations qui sont nécessaires pendant le processus
semble complètement étranger, ce concept, avec le réseau neuronal complet, est
assez facile à comprendre.
Pour ceux qui ne
connaissent pas les réseaux de neurones, un ANN, ou tout simplement un NN qui
signifie «réseau neuronal», est un modèle mathématique qui est calqué sur
certaines caractéristiques des réseaux de neurones de la vie réelle, comme ceux
qu'on trouve dans les choses de la vie. Le cerveau humain est le réseau de
neurones ultime dont le fonctionnement donne quelques indices sur la façon
d'améliorer la structure et le fonctionnement des réseaux neuronaux artificiels.
Comme un cerveau plus rudimentaire, un ANN dispose d'un réseau de neurones
artificiels interconnectés qui traitent l'information.
Ce qui est
fascinant, c'est que l'ANN peut adapter et modifier sa structure si nécessaire,
en fonction des informations qu'il reçoit de l'environnement et de l'intérieur
du réseau. Il s'agit d'un modèle de calcul qui utilise sophistiqué statistique
non-linéaire d'analyse de données, et est capable d'interpréter les relations
complexes entre les données telles que des entrées et des sorties. Il peut
travailler sur des problèmes qui ne peuvent être résolus à l'aide des méthodes
de calcul traditionnelles.
L'idée d'un
réseau neuronal rétropropagation premier venu autour de l'année 1969, les
travaux d'Arthur E. Bryson et Yu-Chi Ho. Des années plus tard, d'autres
programmeurs et les scientifiques raffiné l'idée. À partir de 1974, le réseau
neuronal rétropropagation est venu pour être reconnu comme une innovation de
rupture dans l'étude et la création de réseaux de neurones artificiels.
L’apprentissage
de réseau neuronal est une tâche importante au sein d'un ANN qui assure qu'il
continue d'être en mesure de traiter correctement les données et donc remplir
sa fonction correctement. Un réseau neuronal rétropropagation utilise une forme
généralisée de la règle delta pour permettre l'apprentissage de réseau
neuronal. Cela signifie qu'il fait usage d'un enseignant qui est capable de
calculer les sorties souhaitées sur les certaines entrées introduites dans le
réseau.
En d'autres
termes, un réseau neuronal rétropropagation apprend par exemple. Le programmeur
fournit un modèle d'apprentissage qui témoigne de ce que la sortie correcte
serait, étant donné un ensemble spécifique d'intrants. Cet exemple
d'entrée-sortie est l'enseignant, ou modèle, que d'autres parties de la boîte
modèle de réseau calculs ultérieurs après.
L'ensemble du
processus se déroule méthodiquement intervalles mesurés. Compte tenu d'un
ensemble défini d'entrées, l’ANN applique le calcul appris à partir du modèle à
venir avec une production initiale. Il compare ensuite cette sortie à l'origine
connu, attendu, ou bien sortie, et fait les ajustements nécessaires. Dans le
procédé, une valeur d'erreur est calculée. Il est ensuite propagée en arrière à
travers le réseau neuronal rétropropagation jusqu'à la sortie optimale est
déterminée.