Comprendre les fondements de l'Intelligence Artificielle
Un neurone artificiel est l'unité de base des réseaux de neurones. Inspiré du neurone biologique, il reçoit des entrées, les traite et produit une sortie. C'est un modèle mathématique simple mais puissant qui permet aux machines d'apprendre.
Les données brutes que le neurone reçoit
L'importance de chaque entrée (appris pendant l'entraînement)
Un paramètre qui permet de décaler la fonction
Transforme la somme pondérée en sortie (ex: sigmoid, ReLU)
Étape 1 : Somme pondérée
z = (x₁ × w₁) + (x₂ × w₂) + (x₃ × w₃) + b
Étape 2 : Fonction d'activation (Sigmoid)
y = 1 / (1 + e⁻ᶻ)
Somme pondérée (z): 0
Sortie après activation (y): 0
Ce réseau à 3 couches classifie un fruit (pomme ou orange) basé sur 2 caractéristiques : couleur (rouge/orange) et poids.
Prédiction: -
Confiance: -
Poids fort (|w| > 0.5)
Poids faible (|w| ≤ 0.5)
Poids positif
Poids négatif
Les poids commencent avec des valeurs aléatoires
Les données passent à travers le réseau pour produire une prédiction
On compare la prédiction avec la vraie réponse
L'erreur remonte dans le réseau pour ajuster les poids
On répète des milliers de fois jusqu'à ce que le réseau soit précis