1994
Copyright PERSEE 2003-2023. Works reproduced on the PERSEE website are protected by the general rules of the Code of Intellectual Property. For strictly private, scientific or teaching purposes excluding all commercial use, reproduction and communication to the public of this document is permitted on condition that its origin and copyright are clearly mentionned.
Gilles Leone et al., « Détection des symétries par réseaux de neurones formels : utilisation de représentations internes dans l'apprentissage », Intellectica, ID : 10.3406/intel.1994.1468
Nous étudions la détection de symétries axiales dans des images binaires à l'aide de réseaux de neurones formels. Nous obtenons une quasi indépendance du nombre de cellules cachées par rapport à la taille des images à classer. Après avoir présenté différents modèles psychophysiques, nous introduisons le formalisme booléen correspondant. Nous exposons ensuite les résultats expérimentaux obtenus avec différents réseaux, en particulier nous remarquons que seuls un petit nombre de neurones cachés sont réellement utiles. Ceux-ci sont caractérisés par la structure spatiale régulière de leurs poids d'entrée. Nous proposons alors un nouvel algorithme d'apprentissage plus efficace, qui conduit à l'obtention de réseaux possédant le nombre minimum de neurones nécessaires pour la classification. Dans la dernière partie, nous abordons l'analyse théorique de ce problème qui conduit à une borne supérieure intéressante sur le nombre de cellules cachées nécessaires à sa résolution.