Hybridation algorithmes génétiques (Réseaux de neurones)

Cours hybridation algorithmes génétiques, tutoriel & guide de travaux pratiques en pdf.

Evolution de l’architecture des réseaux 

L’évolution de l’architecture des réseaux associe à un algorithme génétique qui engendre une population de réseaux et un processus d’apprentissage qui permet d’en évaluer les fitness. On utilise des fonctions complexes pour les architectures de réseaux. Outre l’erreur totale ou la vitesse de convergence, on doit en effet tenir compte de la complexité du réseau (nombre de connexions et de neurones)
La méthode consiste à encoder l‟ensemble des caractéristiques du réseau. On peut alors utiliser pour un réseau de N neurones, une matrice carrée de N*N dont les valeurs booléennes spécifient l‟(in)existence d‟une connexion .le chromosome binaire en découle directement.
Il est naturellement possible de substituer à la matrice booléenne une matrice réelle .on peut traiter à la fois de l‟architecture et de l‟apprentissage.

Conclusion

Les RNS peuvent modifier les poids synaptiques et leurs apprentissages classique (rétro-propagation) ou un apprentissage hybride en faisant appel aux AGS. Dans ce travail nous avons adopté les deux approches

RESULTATS & INTERPRETATIONS

Introduction

Le diagnostic médical est un processus de classification. L‟utilisation de techniques dite intelligentes pour la réalisation de cette classification devient de plus en plus importante.
Même si la décision de l‟expert est le facteur le plus important lors du diagnostic, les systèmes de classification fournissent une aide substantielle, car ils réduisent les erreurs dues à la fatigue et le temps nécessaire pour le diagnostic.
Le but d‟une classification médicale de pathologies est de rassembler les cas qui ont des similitudes biologiques et qui sont susceptibles de partager certains facteurs étiopathologiques.
L‟identification des classes est importante vu qu‟elle permet, d‟une part de comprendre le processus de la maladie et d‟autre part d‟instaurer l‟approche thérapeutique adéquate. En outre, elle permet de dégager le pronostic global de la maladie.
Plusieurs méthodes de classification comprenant les statistiques, l‟intelligence artificielle et les réseaux de neurones ont été utilisées pour l‟aide au diagnostic médical.
Dans le cadre de ce mémoire ; nous nous sommes intéressés à étudier la performance des réseaux de neurones, leurs hybridations avec les algorithmes génétiques pour la classification du cancer du sein
Après la phase de la classification mono agent, nous avons instauré le principe multi agent comme suit :
Nous avons utilisé quatre agents :
les trois premiers représenteront les classifieurs neuronales et neuro-génétiques paramétrique et structurel
le quatrième sera un agent contrôleur Il aura la tâche de rassembler les résultats respectifs des trois agents pour donner le diagnostic final

Etat de l’art

Plusieurs travaux ont été réalisés dans la littérature pour le diagnostic médical en utilisant les méthodes connexionnistes, évolutionnaires et les approches multi agents.