Treillis de Galois et réseaux de neurones : une approche constructive d'architecture des réseaux de neurones

摘要: Les reseaux de neurones artificiels connaissent des succes dans plusieurs domaines. Maisles utilisateurs sont souvent confrontes aux problemes definitionde son architecture et d’interpretabilite ses resultats. Plusieurs travaux ont essaye d’apporterune solution a ces problemes. Pour les d’architecture, certains auteurs proposentde deduire cette partir d’un ensemble connaissances decrivant le domaine duprobleme d’autres proposent d’ajouter maniere incrementale un reseauayant une taille initiale minimale. solutions proposees pour probleme d’interpretabilitedes resultats consistent extraire regles fonctionnement du reseau.Cette these contribue la resolution deux Nous nous limitons l’utilisationdes classification.Nous presentons etat l’art methodes existantes recherche d’architecturede : etude theorique experimentale est aussi faite. Decette etude, observons comme limites disponibilite absolue connaissancespour construire reseau interpretable construction difficiles interpreteren absence connaissances. En alternative, proposons methode appelee CLANN(Concept Lattice-based Artificial Neural network) basee treillis Galois qui construit undemi-treillis donnees ce demi-treillis l’architacture reseau. CLANNetant limitee classes, MCLANN permettantd’etendre d’architecture aplusieurs classes.Nous ’Approche MaxSubsets’ l’extractiondes neurones. La particularite possibilited’extraire formats (’si alors’ ’m parmi N’) d’une structure quenous construisons. facon d’expliquer resultat calcule par reseauconstruit au sujet exemple.