Professional Documents
Culture Documents
Analyse de la problématique
Beaucoup des mots et expressions francophone ont un taux de règles
particulière aux contextes dans lesquels ils ou elles sont utilisés, ce qui ajoute
un degré de complexité lors de l’analyse d’un texte par un réseaux de
neurone. Le genres (féminin-masculin) des noms communs ajoutent un degré
de profondeur à notre réseaux de neuronnes qui devra faire une
différenciation directe de ces deux entité étant à la base même des langues
latines.
Le genre des mots n’est pas relié au sens littéral de ceux-ci, mais bien au poid
et à la signification d’un contexte dans l’analyse d’une donnée. Le genre
deviendra une couche primaire du réseaux afin de permettre une exactitude
accrue d’un jeu de donnée.
Technologies utilisées
Chaque mot d’une phrase possède un poid dans la une phrase, mais reste relatif au
contexte de la phrase elle-même. Nous devons donc traiter chacun des
données d’une phrase comme étant un nœud unique, mais également
comme dépendant du contexte lui appartenant.
Avant de nous pencher sur la rédaction et le design de notre réseaux, nous nous sommes
pencher sur lkes différents types de réseaux de neurone permettant de
garantir un résultat optimal pour notre situation x.
Les réseaux neuronaux convulotifs sont un type de réseaux approprié pour le NLP.
Les perceptrons multi-couches proposent un lien entre chaque couches d’un réseaux, ce
qui explique la complexité et la lenteur de ce type. Chaque ajout d’une
nouvelle couche, le processus devient exponentielle dû à l’analyse de
chaque nœud de chaque couche pour chaque entrée.
Malgré l’orientation acyclique des signaux, il est posssible de constaté que chaque nœud
est couplé en n nombre d’entrée et de sortie étant toujours la même. En
grdant en tête l’orientation acyclique d’un graphe, nous avons recherché
quel type de réseaux de neurone serait possible de rendre l’acyclique
divergeant en entrée et sortie.
Un circuit acyclique
La beauté
Chaque nœud d’un graphe acyclique possède donc un nombre de signaux entrant et un
nombre de signaux sortant, ce qui propose une plus grande flexibilité
quant à l’utilisation d’un réseaux non-circuitié.
Les RNC sont construit de plusieurs petites couiches de perceptrons qui permettent de
briser l’information en petits segments et donc de permettre une logique
quant au in-out.
**** a et b
(en) Ian J. Goodfellow, Yoshua Bengio et Aaron Courville, Deep Learning, MIT
Press, 2016(ISBN 0262035618, lire en ligne [archive]) [détail des éditions] , chapitre 9.
http://www.maltparser.org/
http://www.lrec-conf.org/proceedings/lrec2016/pdf/85_Paper.pdf
https://www.bloomberg.com/news/articles/2018-01-15/alibaba-s-ai-outgunned-
humans-in-key-stanford-reading-test
http://www.iro.umontreal.ca/~hamelsyl/oriente4.pdf
4.0– Hypothèse