Elaboration d'un Système Hybride Neuro-Génétique Pour le Diagnostic Médical

Les réseaux de neurones artificiels sont toujours considérés comme des boites noires, qui permettent après un apprentissage à partir d'une base d'exemples incomplète, de classifier de nouveaux exemples, mais sans donner aucune explication sur les résultats. Leurs connaissances sont codées de manière interne par les poids synaptiques, et ne sont pas donc exprimées de manière compréhensible. Les algorithmes génétiques très performants dans les problèmes d'exploration semblent être en mesure de rechercher dans l'espace des ensembles de règles, celui qui représentera le mieux les connaissances d'un RNA. En revanche, ils sont inefficaces lorsqu'il s'agit de trouver la valeur exacte de l'optimum dans cet espace or, c'est précisément ce que les algorithmes exacts d'optimisation réalisent le mieux. Nous présentons dans cet article une nouvelle approche d'extraction de règles à partir d'un réseau de neurones permettant de combiner les deux méthodes métaheuristiques et exactes au sein d'un même système.