Évolution des réseaux de neurones : du néophyte à l'expert

Aperçu

Programme

• Introduction aux réseaux de neurones
Aperçu des réseaux de neurones et leur importance
Brève histoire et jalons dans le développement des réseaux de neurones
• La naissance des réseaux de neurones
Neurones de McCulloch-Pitts
Modèles initiaux et leurs limitations
• Montée des modèles d'apprentissage supervisé
Perceptrons
Perceptrons monocouche
Algorithme d'apprentissage du perceptron
ADALINE (neurone linéaire adaptatif)
Règle delta
Différences entre Perceptron et ADALINE
• Réseaux de Hopfield
Réseaux de neurones récurrents et contribution de Hopfield
Dynamique et applications des réseaux de Hopfield
• Machines de Boltzmann
Introduction aux modèles stochastiques
Modèles basés sur l'énergie dans les réseaux de neurones
Machines de Boltzmann contraintes
• Du shallow learning au deep learning
Perceptrons multicouches (MLP)
Architecture des perceptrons multicouches
Fonctions d'activation
Introduction au rétropropagation
Entraînement des perceptrons multicouches
Défis et solutions dans l'entraînement
• Sujets avancés dans les réseaux de neurones (optionnel)
Deep learning et innovations modernes
Autres modèles et variantes notables
• Conclusion et perspectives d'avenir
Récapitulatif des principaux développements
Tendances émergentes dans les réseaux de neurones
• Conclusion du cours
Résumé et points clés
Ressources supplémentaires et lectures complémentaires

---

Sujets

Informatique