L'Intelligence Artificielle


Résolution de Sudoku

Extrait de l'encyclopédie libre WIKIPEDIA : sudoku
La grille de jeu est un carré de neuf cases de côté, subdivisé en autant de carrés identiques, appelés régions (voir figure). La règle du jeu est simple : chaque ligne, colonne et région ne doit contenir qu'une seule fois tous les chiffres de un à neuf.
Formulé autrement, chacun de ces ensembles doit contenir tous les chiffres de un à neuf.
Une grille 9×9 de Sudoku (cliquer sur l'image pour voir la solution, qui apparaît au bas)

Apprentissage supervisé d'un réseau de neurones

Extrait de l'encyclopédie libre WIKIPEDIA: Réseau de neurones
Un réseau de neurones (ou Artificial Neural Network en anglais) est un modèle de calcul dont la conception est très schématiquement inspirée du fonctionnement de vrais neurones (humains ou non). Les réseaux de neurones sont généralement optimisés par des méthodes d’apprentissage de type statistique, si bien qu’ils sont placés d’une part dans la famille des applications statistiques, qu’ils enrichissent avec un ensemble de paradigmes permettant de générer de vastes espaces fonctionnels souples et partiellement structurés, et d’autre part dans la famille des méthodes de l’intelligence artificielle qu’ils enrichissent en permettant de prendre des décisions s’appuyant davantage sur la perception que sur le raisonnement
logique formel.
Grâce à leur capacité de généralisation, les réseaux de neurones sont généralement utilisés dans des problèmes de nature statistique et perceptive, tels que la classification ou l’évaluation
La large majorité des réseaux de neurones possède un algorithme « d’entraînement » qui consiste à modifier les poids synaptiques en fonction d’un jeu de données présentées en entrée du réseau. Le but de cet entraînement est de permettre au réseau de neurones « d’apprendre » à partir des exemples. Si l’entraînement est correctement réalisé, le réseau est capable de fournir des réponses en sortie très proches des valeurs d’origines du jeu de données d’entraînement.
Mais tout l’intérêt des réseaux de neurones réside dans leur capacité à généraliser à partir du jeu de test.
Vue simplifiée d'un réseau artificiel de neurones

Plan du site