| ... | @@ -138,11 +138,14 @@ On peut montrer qu'il est possible de réaliser une reconnaissance de n'importe |
... | @@ -138,11 +138,14 @@ On peut montrer qu'il est possible de réaliser une reconnaissance de n'importe |
|
|
|
|
|
|
|

|
|

|
|
|
|
|
|
|
|
|
|
Von Neumann s'inspirera de ce modèle, et plus tard, S.C. Kleene prouvera l'équivalence entre le modèle de McCulloch et Pitts et la machine de Turing, en montrant l'équivalence entre ces réseaux et les automates finis.
|
|
|
### Exemples
|
|
|
|
|
|
|
|
|
|
## Le Perceptron
|
|
## Le Perceptron
|
|
|
|
|
|
|
|
|
Mais les réseaux de McCulloch et Pitts sont figés. Or une des grandes propriétés qu'on voudrait obtenir est la notion *d'apprentissage*. Le *Perceptron* est le premier modèle opérationnel de réseau *"apprenant"*. Il est du à *F. Rosenblat*, qui cherchait à comprendre le modèle biologique.
|
|
|
|
|
|
|
|
Il est très fortement inspiré de celui de McCulloch et Pitts, mais ajoute un système d'apprentissage.
|
|
|
|
|
|
|
### Le modèle
|
|
### Le modèle
|
|
|
|
|
|
|
|
### Processus d'apprentissage
|
|
### Processus d'apprentissage
|
| ... | |
... | |
| ... | | ... | |