L’algorithme de réseau neuronal (ANN) est, l'une des techniques MPPT modernes, inspiré du
système nerveux biologique. Qui est une branche de l’intelligence artificielle (IA). Dans ce
chapitre, seront présentés la théorie des réseaux de neurones, l'utilisation des NN pour le
MPPT et les différentes étapes de mise en œuvre dans le Système.
4.2.1 Définition du réseau neuronal
C’est beaucoup d’éléments simples travaillant en parallèle. Les connexions entre ces éléments créent
un réseau. Le but de ce réseau est de prédire un résultat basé sur la formation des entrées et des cibles
utilisées par le réseau. Chaque connexion entre deux neurones a un poids qui est utilisé pour ajuster le
réseau, c'est-à-dire modifier les poids jusqu'à ce que les sorties atteignent les objectifs [46].
Actuellement, NN est utilisé dans divers domaines, par exemple les systèmes d'identification, de
classification, de parole, de vision et de contrôle [47].
4.2.2 Modèle de neurone
Le neurone artificiel est un processeur élémentaire. Il se connecte à l'entrée via un poids. Chaque
neurone possède une sortie (a) et est associée à une fonction de transfert (f) [48]. Certains neurones
sont également associés au biais (b) qui est un simple scalaire ou comme un poids (W) avec une entrée
égale à un [47]. La figure suivante montre la structure d'un neurone artificiel :
Figure 4.1: The structure of the neuron with one input.
4.2.3 Fonctions de transfert
Les fonctions de transferts les plus utilisées parmi plusieurs fonctions existantes on cite les suivantes :
La fonction à limite stricte, qui renvoie un 0 ou un 1, voir figure 4.3.
La fonction linéaire calcule la sortie d’une couche à partir de son entrée nette. Cette fonction est
indiquée par :
f ( x )=x 1
L'équation 4.2 décrit la fonction de transfert log-sigmoïde.
1 2
f ( x )= −x
1+e
Figure 4.3: The most transfer functions used.
Plusieurs neurones créent une couche. La connexion entre ces couches forme un réseau. La couche
directement attachée aux entrées est appelée couche d'entrée. La couche connectée à la sortie est
appelée couche de sortie. n calques invisibles sont appelés calques cachés. La première topologie de
réseaux développée est Feedforward qui a pour définition que chaque neurone de la couche ne peut se
connecter qu'avec le neurone de la couche suivante. D’autre part, le Feedforward avec connexions
raccourcies est un réseau qui permet au neurone d’avoir une connexion avec des neurones de
différentes couches [49]. Les figures 4.4 et 4.5 présentent le Feedforward
et réseau Feedforward avec des réseaux de connexions de raccourci respectivement.
