"123062"^^ . "20628"^^ . . "Un neurone formel est une repr\u00E9sentation math\u00E9matique et informatique d'un neurone biologique. Le neurone formel poss\u00E8de g\u00E9n\u00E9ralement plusieurs entr\u00E9es et une sortie qui correspondent respectivement aux dendrites et au c\u00F4ne d'\u00E9mergence du neurone biologique (point de d\u00E9part de l'axone). Les actions excitatrices et inhibitrices des synapses sont repr\u00E9sent\u00E9es, la plupart du temps, par des coefficients num\u00E9riques (les poids synaptiques) associ\u00E9s aux entr\u00E9es. Les valeurs num\u00E9riques de ces coefficients sont ajust\u00E9es dans une phase d'apprentissage. Dans sa version la plus simple, un neurone formel calcule la somme pond\u00E9r\u00E9e des entr\u00E9es re\u00E7ues, puis applique \u00E0 cette valeur une fonction d'activation, g\u00E9n\u00E9ralement non lin\u00E9aire. La valeur finale obtenue est la sortie du neurone. Le neurone formel est l'unit\u00E9 \u00E9l\u00E9mentaire des r\u00E9seaux de neurones artificiels dans lesquels il est associ\u00E9 \u00E0 ses semblables pour calculer des fonctions arbitrairement complexes, utilis\u00E9es pour diverses applications en intelligence artificielle. Math\u00E9matiquement, le neurone formel est une fonction \u00E0 plusieurs variables et \u00E0 valeurs r\u00E9elles."@fr . . "\u4EBA\u5DE5\u795E\u7D4C"@ja . "191007112"^^ . "D\u00E9monstration"@fr . . . "Neurone formel"@fr . . . . . . . . . . . "Artificial neuron"@en . . . . . . . . . . . . . . . . . . . . . . . . . . . . . "Neurona artificial"@ca . . "On peut donner une d\u00E9monstration \u00E9l\u00E9mentaire de cette propri\u00E9t\u00E9. \u00C9tudions en effet les propri\u00E9t\u00E9s que devraient v\u00E9rifier les poids d'un neurone calculant la fonction OU exclusif. Comme le OU exclusif de 0 et 0 vaut 0, on doit avoir , soit donc \n:, \npar d\u00E9finition de la fonction de Heaviside. Quand l'une des deux entr\u00E9es du neurone vaut 0 et l'autre 1, la sortie doit \u00EAtre 1. Cela implique donc , soit donc \n:. \nDe m\u00EAme, on doit avoir \n:. \nEnfin, quand les deux entr\u00E9es valent 1, la sortie vaut 0, soit donc , ce qui implique\n:. \nEn ajoutant les \u00E9quations et , on obtient \n:, \nalors que l'ajout des \u00E9quations et donne\n:. \nLes deux \u00E9quations et ne peuvent \u00EAtre v\u00E9rifi\u00E9es simultan\u00E9ment ce qui montre qu'aucune valeur des poids ne peut permettre \u00E0 un neurone de McCulloch et Pitts de repr\u00E9senter la fonction OU exclusif."@fr . . . "left"@fr . . "K\u00FCnstliches Neuron"@de . . . . . . . . . . . . . . . . . . . . . . . . . . "Un neurone formel est une repr\u00E9sentation math\u00E9matique et informatique d'un neurone biologique. Le neurone formel poss\u00E8de g\u00E9n\u00E9ralement plusieurs entr\u00E9es et une sortie qui correspondent respectivement aux dendrites et au c\u00F4ne d'\u00E9mergence du neurone biologique (point de d\u00E9part de l'axone). Les actions excitatrices et inhibitrices des synapses sont repr\u00E9sent\u00E9es, la plupart du temps, par des coefficients num\u00E9riques (les poids synaptiques) associ\u00E9s aux entr\u00E9es. Les valeurs num\u00E9riques de ces coefficients sont ajust\u00E9es dans une phase d'apprentissage. Dans sa version la plus simple, un neurone formel calcule la somme pond\u00E9r\u00E9e des entr\u00E9es re\u00E7ues, puis applique \u00E0 cette valeur une fonction d'activation, g\u00E9n\u00E9ralement non lin\u00E9aire. La valeur finale obtenue est la sortie du neurone."@fr . . . . . . . .