Perceptron simple couche
Un perceptron simple couche consiste en un ou plusieurs neurones artificiels
en parallèle. Les neurones peuvent être du même type
que ceux vu dans l'applet de neurone artificiel.
-
Chaque neurone dans la couche fourni une sortie de réseau qui est
généralement connecté au monde extérieur (ou
aux entrées de l'environnement).
-
L'applet illustre un exemple avec un seul neurone et une seule couche possédant
seulement deux entrées (cas d'école).
La règle d'apprentissage du perceptron que nous étudierons
plus loin, est un algorithme simple pour l'apprentissage du perceptron.
Cependant, comme nous le verrons, les réseaux à une seule
couche ne peuvent pas tout apprendre : il ne sont pas computationellement
complets. Comme il est mentionné dans l'introduction, le perceptron
simple couche à deux entrées ne peut pas approximer les fonctions
XOR et XNOR. Parmi les (22)n ou 16 fonctions possibles,
un perceptron à deux entrées ne peut résoudre que
14 fonctions. Lorsque le nombre d'entrées, n, augmente, la proportion
de fonctions qui peuvent être approximées diminue rapidement.
Plus tard, nous verrons comment les perceptrons multi-couche
permettent de résoudre ce problème.
[retour ]