Structure neuronale d'un système d'inférence floue : fondements et formalisation
HARTANI ; HAYAT ; SELLAM ; BOUCHON-MEUNIER ; GALLINARI
Type de document
COMMUNICATION AVEC ACTES NATIONAL (ACTN)
Langue
francais
Auteur
HARTANI ; HAYAT ; SELLAM ; BOUCHON-MEUNIER ; GALLINARI
Résumé / Abstract
La dernière décennie a vue un développement rapide des approches à base de logique floue et de réseaux de neurones comme techniques d'intelligence artificielle pour le traitement de l'information et la conception de systèmes d'aide à la décision. Cependant, les problèmes qui se posent aujourd'hui sont de plus en plus complexes et nécessitent de nouvelles approches d'analyse et de résolution. Cette constatation a amené certains chercheurs à analyser les possibilités de fusion de ces deux approches afin d'en améliorer les performances. Dans l'article qui suit nous essayerons d'approcher de façon formelle la modélisation de systèmes d'inférence flous par des réseaux de neurones afin d'identifier les paramètres optimaux du système par apprentissage. Suite à une brève présentation de la théorie des sous-ensembles flous et des réseaux de neurones, de leurs principaux avantages et limites, nous présenterons tout d'abord une description unifiée des approches existantes. Nous montrons par la suite, comment tout système d'inférence flou peut être approche par un réseau de neurones particulier et proposons une formalisation de la procédure d'identification des paramètres par apprentissage supervisé.
