Next: Apprentissage
Up: Origine et concepts de
Previous: Variables descriptives
Les connexions entre les neurones qui composent le réseau décrivent la "topologie
du modèle". Elle peut être quelconque, mais le plus souvent il est possible de
distinguer une certaine régularité.
Réseau multicouche : les neurones sont arrangés par couche. Il n'y a pas de connexion
entre neurones d'une même couche et les connexions ne se font qu'avec les
neurones de couches avales. Habituellement, chaque neurone d'une couche est
connecté à tous les neurones de la couche suivante et celle-ci seulement. Ceci nous
permet d'introduire la notion de sens de parcours de l'information (de l'activation)
au sein d'un réseau et donc définir les concepts de neurone d'entrée, neurone de sortie.
Par extension, on appelle couche d'entrée l'ensemble des neurones d'entrée, couche
de sortie l'ensemble des neurones de sortie. Les couches intermédiaires n'ayant
aucun contact avec l'extérieur sont appelées couches cachées.
Figure 1.2:
Définition des couches d'un réseau multicouche
|
Réseau à connexions locales : Il s'agit d'une structure multicouche, mais qui à l'image
de la rétine
conserve une certaine topologie. Chaque neurone entretient des relations
avec un nombre réduit et localisé de neurones de la couche avale. Les connexions sont
donc moins nombreuses que dans le cas d'un réseau multicouche classique.
Figure 1.3:
Réseau à connexions locales
|
Réseau à connexions récurrentes : les connexions récurrentes ramènent l'information
en arrière par rapport au sens de propagation défini dans un réseau multicouche.
Ces connexions sont le plus souvent locales.
Figure 1.4:
Réseau à connexions récurrentes
|
Réseau à connexion complète : c'est la structure d'interconnexion la plus
générale. Chaque neurone est connecté à tous les neurones du réseau (et à lui-même).
Figure 1.5:
Réseau à connexion complète
|
Next: Apprentissage
Up: Origine et concepts de
Previous: Variables descriptives
Yasmine yactine
1999-07-28