Amélioration de l’apprentissage d’un Modèle Neuronal pour la reconnaissance des anomalies cardiaques

Abstract

La démarche diagnostique pour l’aide à la décision est une application privilégiée où le raisonnement humain demeure le modèle de référence notamment dans le domaine médical. La finalité d’un diagnostic est de pouvoir décider, après avoir observé un objet, à quelle forme typique celui-ci est similaire, ou en d’autres termes, à quelle classe connue il peut être associé ou affecté. L’approche neuronale appliquée au problème du diagnostic a fait ses épreuves depuis déjà plusieurs années et présente plusieurs atouts. Une détection précoce des différentes maladies permettrait d’assurer une prise en charge adéquate et améliorer la qualité de vie des patients. Nous réalisons dans ce mémoire de magistère une étude large et approfondie des différents problèmes d’apprentissage classique dans les modèles neuronaux en tenant compte des paramètres du modèle et de la distribution des exemples de la base d’apprentissage.