Un réseau neuronal artificiel est un modèle paramétré d’apprentissage automatique utilisé pour approximer des fonctions complexes.
Il est constitué de plusieurs couches d’unités de traitement interconnectées appelées neurones, généralement organisées en couche d’entrée, couches cachées et couche de sortie.
Chaque connexion entre neurones possède un poids qui est ajusté pendant l’entraînement afin de minimiser une fonction d’erreur.
Les réseaux neuronaux constituent la base de nombreuses méthodes modernes de deep learning utilisées dans la vision par ordinateur, la reconnaissance vocale et le traitement du langage naturel.
Définition:
Un réseau neuronal artificiel est un modèle computationnel composé de neurones artificiels interconnectés qui apprennent à partir de données en ajustant leurs poids pour approximer des relations complexes.
Source:
Goodfellow, Bengio, Courville – Deep Learning, MIT Press; littérature standard sur les réseaux neuronaux et l’apprentissage automatique.