Réseaux de neurones/Points faibles et limites

Début de la boite de navigation du chapitre

fin de la boite de navigation du chapitre

Explication des résultats

Les réseaux de neurones ne fournissent pas les explications concernant leurs résultats ce qui limite donc l'analyse des phénomènes existants. Cette limite est due à l'opacité des réseaux de neurones qui empêche une analyse pertinente des solutions obtenues. Les réseaux de neurones peuvent être assimilés à une boîte noire qui donne une réponse quand on lui fournit des données mais qui ne délivre pas toujours de justification simple à analyser. Les liens existants entre les variables du modèle ne sont pas toujours détectés. Ce système n'a donc qu'un pouvoir explicatif limité contrairement à d'autres systèmes experts qui pourraient être capables de retracer le raisonnement suivi pour parvenir au résultat ce qui interpréterait donc les conclusions obtenues.

• 
  Une simple boite noire
• 
  présente un résultat
• 
  sans aucune explication de la démarche

Non optimalité de l'architecture

Il n'existe pas encore de moyens permettant de définir l'architecture optimale du réseau de neurones. En effet, le réseau qui apparaît optimal d'une façon globale ne délivre pas toujours les résultats les plus pertinents. Plusieurs optima locaux ne fournissent pas toujours la solution optimale en global. Pour définir l'architecture du réseau de neurones, il faut déterminer tout d’abord le nombre de couches cachées du réseau ainsi que le nombre de neurones sur chacune d'entre elles. Tout cela relève de l'intuition de l'opérationnel et de sa capacité à expérimenter plusieurs structures dans le but de retenir celle qui fournira les meilleurs résultats. Plus le réseau est complexe, plus il possède de couches cachées et de connexions, plus il est capable de reconnaître ce qui lui est présenté à travers l'échantillon d'apprentissage. Il faut tout de même noter que la complexité croissante du réseau n'améliore pas forcément la reconnaissance sur l'échantillon test. Plusieurs méthodes ont été élaborées pour guider l'opérationnel dans la conception du réseau en s'appuyant notamment sur les travaux de Refenes (1995).

L'intervention humaine

Comme c’est le cas du choix de la structure optimale du réseau de neurones, ce système fait souvent appel à l'intuition de l'utilisateur. L'apprentissage est guidé par des paramètres définis manuellement par l'opérationnel. Celui-ci devra par exemple définir à quel moment devra s'arrêter l'apprentissage pour que le réseau conserve ses capacités à généraliser.