Résumé: Les réseaux de neurones sont des outils de l'intelligence artificielle, utilisés aussi bien pour la modélisation de systèmes, que pour la classification de données. L'objectif principal de ce travail, est de réaliser une discrimination de données en deux classes, après avoir effectué un apprentissage en mode " supervisé ". Deux techniques peuvent être utilisées pour cette fin, la première technique consiste à calculer la probabilité à posteriori d'appartenance d'un objet à une classe. La seconde, s'oriente vers la recherche de la surface de séparation des exemples en classes. Nous avons opté pour la deuxième technique qui repose sur l'utilisation d'un réseau de neurones. L'architecture neuronale adoptée dans ce travail est le perceptron multicouche qui est l'un des types des réseaux de neurones les plus connus pour leurs capacités de généralisation. L'algorithme d'apprentissage accompagnant cette architecture est " La rétropropagation du gradient de l'erreur", Trois variantes on été appliquées. Dans la première variante, nous avons généré le réseau de neurones à l'aide des fonctions de toolbox "Neural Network " de MATLAB, puis on l'a appliqué pour discriminer deux classes générées aléatoirement. Dans les deux autres variantes, c'est la programmation classique sous MATLAB qui a été adoptée. Les résultats de classification obtenus sont très proches.

Béjaïa:
Langue: Français
Collation: 80 p. ill. ;30 cm
Diplôme: Magister
Etablissement de soutenance: Béjaïa, Université Abderahmane Mira de Béjaïa. Faculté des Sciences et des Sciences de l'Ingénieur
Spécialité: Informatique
Index décimal 004.65 .Architecture des réseaux de communication (analyse des systèmes, conception, configuration, topologie des réseaux télématiques ; réseaux informatiques)
Thème Informatique

Mots clés:
Réseaux de neurones (Informatique)
Apprentissage supervisé (intelligence artificielle)
Algorithmes
Machines à vecteurs de support

Note: Bibliogr.pp.75-80