Optimisation paramétrique d’un classifieur neuronale par méta heuristiques : Application données médicales.

Abstract

La spécification correcte des paramètres d’un RNA quasi optimale d’une manière automatique pour un problème spécifique avec une performance satisfaisante est le principale aspect qui est motivé notre approche présent dans ce mémoire de master. Cette approche emploie une recherche évolutive (AG ou RS) pour e ectuer le réglage simultané des poids initiaux, des fonctions d’activation, fonctions d’apprentissage, pas d’apprentissage, et le moment de la PMC. Des expériences ont été e ectuées et les résultats obtenue après l’utilisation de cette méthode montrent qu’elle est capable de trouver une meilleure configuration pour e ectue une bon classification. Nous avons validé nos résultats expérimentaux sur des bases de données médicales connues : Pima (Diabètes), TH (Troubles Hépatiques), AP (Appendicite).