Le fabricant d’électronique E.D.&A. utilise des « réseaux de neurones » pour rendre leurs commandes électroniques plus intelligentes.
Les réseaux de neurones (binaires) obtiennent de très bons résultats dans la reconnaissance de schémas et peuvent donc parfaitement être utilisés pour résoudre différemment les problèmes.
Le fabricant d’électronique E.D.&A. a cherché à savoir comment un réseau de neurones pouvait être formé. Prenez par exemple une ventilation de plaque de cuisson pour laquelle la commande électronique est actionnée par des capteurs tactiles capacitifs. Ces capteurs se trouvent sous une plaque de verre épaisse avec en outre de l'humidité, de la saleté et les pannes de la plaque de cuisson à induction proprement dite.
E.D.&A. a formé le réseau de neurones à reconnaître le bon signal (p. ex. la mise en marche) entre tous ces « éléments parasites ». La grande quantité nécessaire d’exemples de formation a été obtenue par un « doigt artificiel » qui commande le capteur avec de l’air comprimé pour ainsi automatiser la collecte de données. La variante binaire des réseaux de neurones a également été évaluée plus en profondeur par E.D.&A. pour son utilisation dans leurs commandes électroniques (microcontrôleurs). Les réseaux de neurones (binaires) obtiennent de très bons résultats dans la reconnaissance de schémas et peuvent donc parfaitement être utilisés pour résoudre différemment les problèmes.
E.D.&A. a mis en place une démonstration d’un propre cadre d’intelligence artificielle à titre d’illustration pour les constructeurs de machines et d’appareils. Vous dessinez un chiffre de 0 à 9 sur un écran tactile et il est proposé en arrière-plan à un réseau de neurones binaire. Cela permet de savoir de quel chiffre vous parlez et de montrer le résultat.
Qu’est-ce qu’un « réseau de neurones » et comment fonctionne-t-il ?
Tant en construction qu’en fonctionnement, un réseau de neurones artificiel est une imitation de notre cerveau (réseau de neurones biologique). Il est notamment utilisé dans le cadre de la reconnaissance de photos. Nous pouvons par exemple rendre un système « intelligent » afin qu’il puisse déterminer s’il s’agit ou non d’une photo d’un chien. Vous obtenez un réseau de neurones en le formant avec de nombreux exemples. Du côté sous-jacent, il s’agit d’un calcul long et simple qui est mis au point sur la base d’exemples jusqu’à ce qu’il donne un résultat correct pour toutes les valeurs introduites. Les réseaux de neurones sont suffisamment performants pour reconnaître les schémas. Après la formation, de nouvelles photos peuvent même être évaluées correctement.
