Modélisation neuronale d’un système électrique LIT

Abstract

La modélisation neuronale est l’un des outils les plus importants dans pratiquement tous les domaines scientifiques et, en particulier, en intelligence artificielle. Les chercheurs dans le domaine de la modélisation, utilisent souvent les réseaux de neurones pour représenter les modèles réels. Dans ce travail, nous avons abordé la modélisation d’un filtre passe bande RIF par un réseau de neurones représenté par une seule couche interne de 15 neurones et une seule sortie avec un neurone. Nous avons choisi d’utiliser la fonction tangente hyperbolique comme fonction d’activation à cause d’une part de ces valeurs continues entre -1 et 1, et d’autre part de sa dérivabilité qui permet d’appliquer l’algorithme de la retro-propagation en se basant sur le gradient.Après avoir testé notre modèle neuronale en commençant par un neurone et une fonction d’activation linéaire puis ajouté au fur et à mesure des neurones ainsi que changer la fonction d’activation linéaire par une hyperbolique, on a abouti à concevoir le modèle neuronale désiré. ملخص تعد النمذجة العصبية واحدة من أهم الأدوات في جميع مجالات العلوم تقريبًا ، وعلى وجه الخصوص ، في الذكاء الاصطناعي. غالبًا ما يستخدم الباحثون في مجال النمذجة الشبكات العصبية لتمثيل نماذج حقيقية. في هذا العمل ، اقتربنا من نمذجة مرشح النطاق الترددي FIR بواسطة شبكة عصبية ممثلة بطبقة داخلية واحدة من 15 خلية عصبية ومخرج واحد مع خلية عصبية. لقد اخترنا استخدام دالة الظل الزائدية كوظيفة تنشيط لأنه من ناحية هذه القيم المستمرة بين -1 و 1 ، ومن ناحية أخرى لاشتقاقها مما يجعل من الممكن تطبيق خوارزمية الرجعية - التكاثر على أساس التدرج. بعد اختبار نموذجنا العصبي بالبدء بخلايا عصبية ووظيفة تنشيط خطية ، ثم إضافة الخلايا العصبية أثناء تقدمنا وكذلك تغيير وظيفة التنشيط الخطي إلى وظيفة قطعية ، تمكنا من تصميم النموذج العصبي المطلوب.

Abstract : Neural modeling is one of the most important tools in virtually every field of science and, in particular, in artificial intelligence. Researchers in the field of modeling often use neural networks to represent real models. In this work, we approached the modeling of an FIR bandpass filter by a neural network represented by a single internal layer of 15 neurons and a single output with a neuron. We have chosen to use the hyperbolic tangent function as an activation function because on the one hand these continuous values between -1 and 1, and on the other hand its derivability which allows to apply the back-propagation algorithm based on the gradient. After testing our neural model by starting with a neuron and a linear activation function, then adding neurons as we went along and replacing the linear activation function with a hyperbolic function, we were able to design the neural model wish.

Mots clé : Intelligence artificielle- les réseaux de neurones- passe bande