Analyse qualitative et quantitative
Le logiciel neuronal peut ensuite servir à la résolution de deux types fondamentaux de problèmes : (1) les problèmes de classification, dans lesquels on cherche à déterminer la catégorie d’une entité inconnue (l’appartenance à une certaine condition médicale, par exemple, ou la probabilité qu’un emprunteur rembourse son prêt ou non), et (2) les problèmes numériques, dans lesquels on cherche à prédire une valeur numérique particulière (telle que l’âge d’un organisme vivant ou le niveau des ventes durant une période future).
Avantage des réseaux neuronaux
La différence entre la résolution informatique conventionnelle de problèmes et l’informatique neuronale tient au fait que la procédure conventionnelle repose sur certaines hypothèses concernant la structure des données, pour permettre l’usage d’un modèle de dépendances relativement simple. Or, les données ne correspondent souvent pas aux hypothèses, et on obtient donc des solutions inexactes. Les réseaux neuronaux sont des systèmes extrêmement précis d’éléments hautement interconnectés, capables de modéliser les relations complexes des données là où les méthodes conventionnelles échouent. Les deux approches ne sont pas concurrentes, mais plutôt complémentaires.
Plus de 60 ans d’histoire
L’expression « réseau neuronal » fait référence à la cellule cérébrale appelée neurone : à l‘image de son homologue humain, le neurone informatique reçoit ses entrées de plusieurs sources et répond par une seule sortie. Étonnamment, peut-être, les réseaux neuronaux ne sont ni nouveaux, ni même récents. Le premier neurone artificiel a été proposé en 1943 par le neurologue Warren McCulloch (University of Illinois à Chicago et MIT) et le logicien Walter Pitts (MIT). Leur invention n’a cependant trouvé son utilité qu’avec l’avènement du calcul rapide informatisé.
Applications réelles
L’environnement commercial et scientifique actuel, dans lequel les systèmes informatiques recueillent d’immenses quantités de données, convient idéalement au déploiement des réseaux neuronaux. La technique est accessible à de nombreux professionnels sans grande expertise informatique. Les logiciels neuronaux trouvent actuellement leur application, notamment, dans les domaines de la détection de fraude dans les opérations de carte de crédit, la prédiction de remboursement de prêt, la prédiction de performances d’investissement, le diagnostic de tumeurs, l’identification de spécimens biologiques inconnus et la prédiction de produits non conformes aux normes de qualité.
Voir NeuralTools à l'action
» Plus d'infos sur NeuralTools
