Différence entre l'apprentissage automatique et les réseaux de neurones

La principale différence entre l’apprentissage automatique et les réseaux de neurones est que le L'apprentissage automatique désigne le développement d'algorithmes capables d'analyser et d'apprendre à partir de données pour prendre des décisions, tandis que les réseaux de neurones forment un groupe d'algorithmes d'apprentissage automatique qui effectuent des calculs similaires aux neurones du cerveau humain..

L'apprentissage automatique est la technique de développement d'algorithmes d'autoapprentissage permettant d'analyser des données, d'en tirer des enseignements, de reconnaître des modèles et de prendre des décisions en conséquence. C'est une sous-catégorie de l'intelligence artificielle. L'apprentissage automatique utilise divers algorithmes. Le réseau de neurones est l'un d'entre eux. Ces concepts sont largement utilisés dans divers domaines tels que la médecine, la robotique, la fabrication et l'agriculture..

Zones clés couvertes

1. Qu'est-ce que l'apprentissage automatique?
    - Définition, types, fonctionnalité
2. Qu'est-ce qu'un réseau de neurones?
    - Définition, types, fonctionnalité
3. Différence entre l'apprentissage automatique et les réseaux de neurones
    - Comparaison des différences clés

Mots clés

Intelligence artificielle, réseau de rétroaction, réseau Feedforward, apprentissage automatique, réseaux de neurones, apprentissage supervisé, apprentissage non supervisé

Qu'est-ce que l'apprentissage automatique?

L'apprentissage automatique est un sous-ensemble de l'intelligence artificielle. Les algorithmes d'apprentissage automatique analysent des données, en tirent des leçons et prennent des décisions. Il utilise des méthodes statistiques et permet à la machine de s'améliorer avec l'expérience.

Figure 1: Apprentissage automatique

Il existe deux types principaux d’apprentissage automatique: l’apprentissage supervisé et l’apprentissage non supervisé. Dans enseignement supervisé, il existe des variables d'entrée (x) et des variables de sortie (y). L'algorithme est formé en mappant les entrées sur les sorties (y = f (x)). Lorsque vous fournissez une nouvelle entrée, l'algorithme devrait prédire la sortie. La régression linéaire, la machine à vecteurs de support et les forêts aléatoires sont quelques exemples d'apprentissage supervisé..

Dans apprentissage non supervisé, il n'y a que des données d'entrée (x). Il n'y a pas de données de sortie. Dans ce type, il n'est pas nécessaire de former l'algorithme. Au lieu de cela, il découvre lui-même les modèles dans les données d’entrée. L'un des principaux algorithmes d'apprentissage non supervisé est la mise en cluster. Il identifie les instances similaires et les regroupe pour créer des clusters. En général, l'apprentissage non supervisé est difficile à maîtriser. En bref, l’apprentissage automatique permet de développer des systèmes capables d’apprendre et d’effectuer des prévisions à l’aide de données..

Que sont les réseaux de neurones?

Les réseaux de neurones sont inspirés par les neurones biologiques. Dans le cerveau humain, il y a des millions de neurones et l'information passe d'un neurone à l'autre. Les réseaux de neurones utilisent ce concept pour effectuer des tâches de calcul plus rapidement.

Figure 2: Réseau de neurones

Il existe deux types de réseaux de neurones appelés feedforward et feedback. Dans réseaux feedforward, l'information passe uniquement de l'entrée à la sortie et ne contient pas de boucle de retour. Dans réseaux de rétroaction, l'information peut passer dans les deux sens et contient un chemin de retour.

Les réseaux à action directe sont en outre classés en réseaux à couche unique et en réseau à couches multiples. Dans un réseau à couche unique, la couche d'entrée se connecte à la couche de sortie. D'autre part, le réseau multicouche a plusieurs couches appelées couches cachées entre la couche d'entrée et la couche de sortie..

Un réseau de neurones contient des nœuds. Ces nœuds sont similaires aux neurones du cerveau. De plus, les connexions dans le réseau ont des poids spécifiques. Lorsque les entrées des nœuds sont x1, x2, x3… et que les pondérations correspondantes sont w1, w2, w3,…, l'entrée nette (y) est semblable à la suivante.

            y = x1. w1 + x2. w2 + x3.w3 +… .

Après avoir appliqué la fonction d’activation telle que linéaire ou un sigmoïde à l’entrée nette, elle fournit la sortie comme suit.

Y = F (y)

Ensuite, la sortie est évaluée. Les poids s'ajustent si la sortie évaluée est différente de la sortie souhaitée. Ce processus est répété jusqu'à l'obtention des résultats souhaités. C'est la fonctionnalité de base d'un réseau de neurones.

Différence entre l'apprentissage automatique et les réseaux de neurones

Définition

L'apprentissage par usinage fait référence à des algorithmes qui utilisent des techniques statistiques permettant aux ordinateurs d'apprendre des données et d'améliorer progressivement les performances d'une tâche spécifique. Un réseau de neurones est un système inspiré des neurones biologiques du cerveau humain qui peuvent effectuer des tâches informatiques plus rapidement..

Algorithmes

Régression, classification, clustering, machine à vecteurs de support, forêts aléatoires sont peu d’algorithmes d’apprentissage automatique. Les réseaux de neurones constituent également un algorithme relevant de l'apprentissage automatique..

Conclusion

La différence entre l'apprentissage automatique et les réseaux de neurones réside dans le fait que l'apprentissage consiste à développer des algorithmes capables d'analyser et d'apprendre à partir de données pour prendre des décisions, tandis que les réseaux de neurones constituent un groupe d'algorithmes d'apprentissage automatique qui effectuent des calculs similaires aux neutrons dans le cerveau humain..

Référence:

1. Qu'est-ce que l'apprentissage automatique? | Bases d'apprentissage automatique | Tutoriel d'apprentissage machine | Edureka !, 16 mars 2018, disponible ici.

Courtoisie d'image:

1. «3161590» (CC0) via Pixabay
2. “Réseau de neurones artificiels” Par fr: Utilisateur: Cburnett - Travail personnelCette image vectorielle a été créée avec Inkscape (CC BY-SA 3.0) via Commons Wikimedia