intelligence artificielle

[marcyprof]

Bonjour,
le chapitre 16 sur l'intelligence artificielle n'est pas très facile à comprendre. J'ai plusieurs questions:
1- En bas de la page 44 on parle de codage épars (sparse coding). Il est écrit que le codage épars est un codage dont l'efficacité est augmentée en activant le moins de neurones possible mais on n'explique pas vraiment ce qu'est le codage épars...
2-Aussi, auriez-vous de l'information sur les RNAs proactif (feedforward) et récurrent? ref p45 En bas du paragraphe on parle de réseau auto-associatif et de patron, comment cela fonctionne-t-il? D'où vient le patron (pattern)?
3- A la page 46, en haut de page on dit que les neurones de silicone ne peuvent pas apprendre mais la page juste avant on parle des RNA adressables par contenu qui peuvent faire des erreurs et apprendre. Les RNA ne sont pas en silicone?
4- Enfin auriez-vous un site qui explique plus simplement la boîte d'Énigme MAthématique?
merci
MP

[Jay]

Bonjour,



1- Le codage épars est simplement un terme utilisé afin de décrire un type de codage qui a pour but de reconnaître des items (e.g., visages, input sensoriels, etc.) de façon rapide et efface, et ce, en utilisant un codage neuronal spécifique qui est fort/augmenté dans une relativement petite section de neurones (donc, moins de neurones activés, mais ils sont stimulés plus fortement).



2- Les réseaux neuronaux artificiels (RNAs) sont souvent utilisés pour étudier l’apprentissage et la mémoire. Le patron se réfère à des données (inputs et outputs) qui sont entrées par un ingénieur dans le programme qui contient des RNAs. On peut s'imaginer que quelqu'un essait de tracer une carte géographique dans une machine (en y entrant des chiffres codés en inputs et outputs) et nous demandons à l'ordinateur d'apprendre le chemin pour aller du point A au point B. Toutefois, comme la similarité des RNAs au cerveau tient au fait qu’ils entreposent et traitent l’information, l’information est entreposée dans la force des "connections synaptiques" et, à force d'apprentissage, réussit à trouver le chemin.



3- Les RNAs sont un modèle mathématique de calcul qui "imitent" la capacité de plasticité des neurones.