21.01.2015 Views

Épreuve de contrôle - L2C2 - CNRS

Épreuve de contrôle - L2C2 - CNRS

Épreuve de contrôle - L2C2 - CNRS

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

266 David Meunier<br />

Performances<br />

Valeurs <strong>de</strong>s paramètres<br />

Performances<br />

Valeurs <strong>de</strong>s paramètres<br />

Figure 5. Représentation schématique du fonctionnement d’un AE (à gauche)<br />

et d’un algorithme d’optimisation par <strong>de</strong>scente en gradient (à droite).<br />

Le point gris correspond à la meilleure solution trouvée par les algorithmes. L’AE est<br />

capable <strong>de</strong> trouver rapi<strong>de</strong>ment la zone où se trouve l’optimum global, sans forcément l’atteindre.<br />

L’algorithme d’optimisation par <strong>de</strong>scente en gradient est dépendant <strong>de</strong> la position<br />

<strong>de</strong> départ, mais trouvera l’optimum local le plus proche.<br />

Un exemple d’utilisation conjointe est la sélection par un AE <strong>de</strong>s valeurs <strong>de</strong><br />

poids initiaux dans un RNA, le perceptron multi-couches (cf. section 3). En effet,<br />

un <strong>de</strong>s problèmes <strong>de</strong> l’apprentissage par rétropropagation est l’initialisation<br />

<strong>de</strong>s poids synaptiques. Lorsque les poids initiaux sont choisis aléatoirement, le<br />

tirage aléatoire va avoir une gran<strong>de</strong> influence sur les propriétés d’apprentissage<br />

du modèle. Kinnebrock montre ainsi que dans ce cas, l’apprentissage aboutit<br />

à <strong>de</strong> meilleures performances que dans le cas d’un tirage initial aléatoire, et<br />

surtout beaucoup plus rapi<strong>de</strong>ment.<br />

Une <strong>de</strong>s applications <strong>de</strong> l’utilisation conjointe <strong>de</strong>s RNA et <strong>de</strong>s AE est la<br />

simulation <strong>de</strong> l’effet Baldwin. Cet effet, d’abord à l’origine décrit en biologie,<br />

fait l’objet d’une littérature importante en informatique.<br />

<strong>Épreuve</strong> <strong>de</strong> <strong>contrôle</strong><br />

Effet Baldwin<br />

Principe <strong>de</strong> l’effet Baldwin<br />

L’effet Baldwin provient <strong>de</strong> l’observation que certains caractères, qui sont<br />

initialement appris, peuvent <strong>de</strong>venir encodés génétiquement après un certain<br />

nombre <strong>de</strong> générations. Un exemple parmi d’autres nous vient <strong>de</strong> l’étu<strong>de</strong><br />

du chant <strong>de</strong>s oiseaux. Si certains oiseaux semblent apprendre leur chant par<br />

imitation <strong>de</strong> leurs parents ou <strong>de</strong> leurs congénères, d’autres oiseaux semblent<br />

produire ce chant <strong>de</strong> manière innée, s’ils sont isolés dès le plus jeune âge. Il<br />

semble donc possible que le chant, initialement appris par imitation, puisse<br />

<strong>de</strong>venir déterminé génétiquement par la suite.<br />

La transition entre la nature innée à acquise d’un caractere se fait par une<br />

pério<strong>de</strong> d’apprentissage <strong>de</strong> plus en plus courte. L’observation <strong>de</strong> la modification<br />

du comportement <strong>de</strong>s mésanges, au cours <strong>de</strong> la révolution industrielle

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!