Neuronales Netzwerk und Fuzzy-Zeitreihen

Ce travail traite des réseaux neuronaux (NN), en particulier des NN multicouches sous l'angle de l'apprentissage algorithmique. Nous allons décrire le réseau neuronal à propagation avant (FFNN) et le réseau neuronal récurrent (RCNN) et introduire des faits fondamentaux sur les NN qui seront utilisés plus tard dans la thèse. Un réseau neuronal est un modèle mathématique inspiré des réseaux neuronaux biologiques et qui tente de les simuler. Il est constitué d'unités interconnectées - des neurones, qui sont les unités de calcul d'un réseau neuronal. Les NN font partie de l'intelligence artificielle. La connaissance est stockée dans les connexions entre les neurones, appelées poids synaptiques, une simplification des dendrites et des axones biologiques. Le NN est un approximateur universel des relations stockées dans les données - un approximateur non linéaire de modélisation statistique des données, capable d'apprendre et d'adapter sa structure en fonction des informations internes et externes transmises pendant la phase d'apprentissage par le NN. Pour la plupart des NN, il est relativement simple de les utiliser dans un large éventail de domaines techniques et non techniques sans connaissances théoriques supplémentaires. Il existe un certain nombre de NN qui nécessitent des connaissances pour être mis en œuvre et pour utiliser le bon ensemble de paramètres d'initialisation.