Procédé d’apprentissage automatique et réseau connexionniste multi-couches pour la mise en œuvre de ce procédé
Résumé
Le procédé d’apprentissage automatique consistant à modifier des coefficients de pondération d'un réseau de neurones multi-couches de façon à ce que les sorties du réseau de neurones soient représentatives d’un groupe de données, est caractérisé en ce que la vitesse d’apprentissage est ajustée en début d'apprentissage en fixant une valeur de décroissance relative d'une fonction d'erreur entre les valeurs de sorties obtenues et les valeurs de sorties désirées, puis gelée en fin d'apprentissage. En outre, le procédé consiste à imposer une limite supérieure à l’affluence des modifications des coefficients de pondération dues à la présentation d’un exemple sur une quantité, appelée potentiel neuronal, correspondant à un autre exemple et à interdire les modifications des coefficients de pondération qui tendent à accroître de façon trop importante la valeur absolue du potentiel neuronal.
Application au traitement de la parole et de l'image, à la robotique, au traitement du signal.