Siouda roguia

Les réseaux de neurones artificiels, qui sont inspirés des systèmes nerveux biologiques, constitue des outils puissantsde traitement de données dans de divers domaines en raison de leurscapacités de calcul parallèle, d’approximation, d'apprentissage et de généralisation. Depuis les années 1980s,les recherches sur les réseaux de neurones ont fait des progrès remarquables et les ils ont été largement appliquées. Malgré ce développement, ils ont également rencontré de nombreux problèmes. Par exemple, la sélection de la structure et des paramètres, la sélection des échantillons d'apprentissage, la sélection des valeurs initiales et la convergence des algorithmes d'apprentissage. En effet, beaucoup d’algorithmes d’apprentissage risquent d’être piégés dans des solutions non souhaitables et la plupart d’entre eux ne peuvent pas explorer les surfaces multimodales et non continues. Par conséquent, d'autres types de techniques, tels que les algorithmes bio-inspirés,ontété introduit pour l’apprentissage des réseaux de neurones.Les algorithmes bio-inspirés sont de puissants outils d'optimisation et ils peuvent résoudre des problèmes d'optimisation très complexes en explorant de grands espaces de recherche multimodaux et non continus. Ces algorithmes sont basés sur l’imitation d’un comportement naturel, appelé l’intelligence de l'essaim, dans lequel un groupe est composéd'agents avec des capacités individuelles limitées mais avec un comportement collectif intelligent. Ce travail consiste à élaborer un système neuronal basé sur les algorithmes bio-inspirés dédié à la reconnaissance des formes. Notre objectif est d’exploiter les propriétés collaboratives et les capacités de recherche des algorithmes bio-inspirés pour l’optimisation du système neuronal aux diffèrent étapes du processus de la reconnaissance des formes. L’optimisation ne concerne pas seulement les poids synaptiques, mais aussi les paramètres des fonctions d’activation et le nombre de neurones cachés.