Un réseau neuronal est une suite d’algorithmes ou étapes de travail inspirés du cerveau humain. Son but est de simuler (reproduire) l’activité de celui-ci dans la reconnaissance des formes et la transmission des informations correspondantes entre les différentes couches de connexions interneuronales.
Un réseau neuronal profond (Deep neural network ou DNN) est composé d’au moins deux couches (layer) de neurones. Ceci permet d’introduire de la complexité dans le traitement des données et notamment de faire appel à des modèles mathématiques avancés.
En général un DNN comporte 3 couches, une couche d’entrée, une couche de sortie et une couche intermédiaire. Plus il y a de couches, plus le traitement des données est efficace. Chaque couche intervient dans des tâches spécifiques de reconnaissance et de catégorisation dites “feature hierarchy“.
Le DNN reçoit les données fournies par des capteurs on directement injectées par le programme. Il peut s’agir de textes, d’images ou même de sons qui sont converties en valeurs numériques. Celles-ci, couche par couche, sont traduites en probabilités de prédictions, jusqu’à obtenir un résultat aussi proche de la réalité perçue que possible.
Pour imiter au mieux le cerveau humain dans l’exercice de ces tâches, un DNN est entrainé par des procédures relevant du Deep Learning ou Apprentissage profond, un sous-domaine de l’Intelligence Artificielle https://fr.wikipedia.org/wiki/Apprentissage_profond
Europe Solidaire 