Réseau récurrent
Définition
Un réseau de neurones récurrent (RNR), ou plus simplement réseau récurrent, est une architecture de réseau de neurones profond dans laquelle il existe au moins une connexion récurrente (boucle ou cycle) dans sa structure. Dans un réseau récurrent, les signaux peuvent donc revenir en arrière (via une boucle ou un cycle) et alimenter des neurones d'une couche précédente ou de la même couche.
Les réseaux neuronaux récurrents sont capables de traiter des données de taille variable. Ils conviennent en particulier pour l'analyse de séquences de données dans le temps (séries temporelles ou séries chronologiques). Les RNR sont utilisés en reconnaissance automatique de la parole, en traitement automatique de la langue naturelle sur des chaînes de caractères, des textes, et en traduction automatique, qui sont de bons exemples de traitement de données séquentielles.
Compléments
On oppose les RNN aux réseaux de neurones à propagation avant (non bouclés, en anglais feed-forward), dans lesquels les signaux ne peuvent se diriger que dans un seul sens, de la couche d'entrée vers la couche de sortie. Attention! Il faut éviter de confondre le mécanisme de retour en arrière du signal grâce à une boucle avec le retour arrière de l’erreur ou rétropropagation de l’erreur qui est un mécanisme d’entraînement des réseaux de neurones.
Français
réseau récurrent
réseau de neurones récurrent
réseau neuronal récurrent
RNR
Anglais
recurrent neural network
RNN
recurrent network
Sources
Source: Wikipedia, Réseau de neurones récurrents.
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
