| Titre : | Entrainement d’un réseau de neurones par algorithme génétique |
| Auteurs : | LAZHARI SOUISSI, Auteur ; Tarek Ababsa, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2020 |
| Format : | 1 vol. (67 p.) / ill. / 29 cm |
| Langues: | Français |
| Résumé : | Les réseaux de neurones sont largement utilisés pour contrôler des systèmes complexes (notamment dans la robotique et les automates industrielles). Dans ce cas-à,l'entrainement du réseau de neurone devient une tâche difficile. Dans notre travail on utilise un mécanisme évolutif pour surmonter la difficulté de l'entrainement des réseaux de neurones.Nous avons résolu, ce problème, par une évolution de réseau neurone avec l’algorithme génétique (AG) pour augmenter la robustesse du processus de recherche des bonnes solutions et améliorer le processus d'entrainement.Pour traiter ce thème, nous avons fait une étude détaillée sur les réseaux de neurones et l’algorithme génétique qui ont été l’objet de deux premiers chapitres. Nous avons présenté la conception et l’implémentation de l’algorithme génétique dans le troisième chapitre.Une étude expérimentale présentée, dans le troisième chapitre, a montré que évolution de réseau neurone avec l’algorithme génétique a donné de bons résultats.Comme perspectives, nous proposons consiste à élaborer d’autres techniques de codage de la structure du RN sous forme de chromosome qui tiennent compte de tous les paramètres qui caractérisent une architecture donnée. Cette partie constitue la pierre d’angle de la réussite de l’utilisation des algorithmes génétiques dans la résolution d’un problème d’optimisation |
| Sommaire : |
Introduction générale…………………………………...1
Chapitre1 : les réseaux de neurones 1 Historique ....................................................................... 3 2 Neurone biologique ............................................................. 4 2.1 Neurone ....................................................................................................................... 5 2.2 Structure de neurone .................................................................................................... 5 2.2.1 Le corps cellulaire (soma) .................................................................................... 5 2.2.2 Axone ................................................................................................................... 6 2.2.3 Synapse ................................................................................................................. 6 2.3 Neurone formel ............................................................................................................ 6 3 Réseaux de neurones artificiels ............................................... 7 3.1 Définition ..................................................................................................................... 7 3.2 Domaine d'application des réseaux de neurones (RNA) ............................................. 9 3.2.1 L’application au traitement du signal : ................................................................. 9 3.2.2 L'application au contrôle ...................................................................................... 9 3.2.3 L'application au diagnostic ................................................................................... 9 3.3 Fonctionnement ......................................................................................................... 10 3.4 Modélisation générale ................................................................................................ 11 3.5 Architecture des réseaux ............................................................................................ 12 4 Algorithmes d’apprentissage .................................................. 15 4.1 Introduction ............................................................................................................... 15 5 Conclusion ..................................................................... 16 chapitre2 : les algorithmes génétiques 1 Historique des algorithmes génetique : ....................................... 19 2 Le Principe des algorithmes génétiques : ..................................... 19 3 Les étapes de l’algorithme génétique : ........................................ 21 4 Les opérateurs des A.G: ....................................................... 22 4.1 Le Codage : ................................................................................................................ 22 4.1.1 Le codage binaire : ............................................................................................. 23 4.1.2 Le codage réel (caractères multiples) : ............................................................... 24 4.1.3 Codage sous forme d'arbre : ............................................................................... 24 4.2 L'opérateur de mutation : ........................................................................................... 24 4.3 L’opération de Croisement ou Crossover : ................................................................ 25 4.3.1 Croisement simple : ............................................................................................ 25 4.3.2 Croisement uniforme : ........................................................................................ 26 4.4 L'opérateur de sélection : ........................................................................................... 26 4.4.1 La sélection par tournois : .................................................................................. 27 4.4.2 La méthode élitiste : ........................................................................................... 27 4.4.3 La sélection par roulette : ................................................................................... 27 4.5 La fonction fitness (la fonction d’évaluation) ........................................................... 27 5 Le critère d’arrêt de l’algorithme :............................................ 28 6 conclusion : ..................................................................... 29 chapitre3 : conception et résultat 1 Introduction .................................................................... 31 2 Utilisation des AG pour une optimisation des poids (apprentissage paramétrique) ... 32 3 Utilisation des AG pour une optimisation de la topologie (apprentissage structurel) . 35 4 Conception détaillé ............................................................ 37 4.1 Les bases de données: ................................................................................................ 37 4.2 Module d'évolutif avec les algorithmes génétiques : ................................................. 37 4.2.1 Génération de population initiale : ..................................................................... 37 4.2.2 Fonction de fitness: ............................................................................................ 38 4.2.3 Générer de nouvelles populations : .................................................................... 39 4.2.4 Méthode de croisement : .................................................................................... 39 4.2.5 Méthode de mutation : ........................................................................................ 40 5 Structure du réseau Neurone : ................................................. 40 6 Implémentation de l’algorithme : ............................................. 43 7 Les structures des données utilisées : ......................................... 43 8 Les algorithmes : ............................................................... 44 8.1 Algorithmes génétique(AG) ...................................................................................... 44 8.1.1 Génération d’une population initiale .................................................................. 45 8.1.2 Calcule de fitnesse .............................................................................................. 45 8.1.3 Sélection ............................................................................................................. 46 8.1.4 Croisement ......................................................................................................... 46 8.1.5 Mutation ............................................................................................................. 47 9 Résultats : ...................................................................... 48 10 Courbe fitness : ................................................................ 48 11 conclusion : .................................................................... 49 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/590 | Mémoire master | bibliothèque sciences exactes | Consultable |
