Chapitre 10 • Prédictions de structures secondaires
132
10.6 MÉTHODES NEURONALES
Le début des années 2000 a vu l’avènement de l’utilisation des réseaux de neurones
pour prédire la structure secondaire des protéines. Ceux-ci présentent l’avantage d’être
efficace à la fois en termes d’optimisation et d’apprentissage. Dès lors, puisque le
cerveau a la capacité d’apprendre, de reconnaître des signaux flous, bruités et des
formes très différentes, l’informatique des neurones est « bio-inspirée ». Ainsi, pour
ce qui est de reconnaître les formes, l’informatique classique est peu performante en
regard du cerveau humain.
Figure 10.8 – « Flow chart » de SOPMA.
Figure 10.9 – Reconnaissance de formes.
132
10.6 MÉTHODES NEURONALES
Le début des années 2000 a vu l’avènement de l’utilisation des réseaux de neurones
pour prédire la structure secondaire des protéines. Ceux-ci présentent l’avantage d’être
efficace à la fois en termes d’optimisation et d’apprentissage. Dès lors, puisque le
cerveau a la capacité d’apprendre, de reconnaître des signaux flous, bruités et des
formes très différentes, l’informatique des neurones est « bio-inspirée ». Ainsi, pour
ce qui est de reconnaître les formes, l’informatique classique est peu performante en
regard du cerveau humain.
Figure 10.8 – « Flow chart » de SOPMA.
Figure 10.9 – Reconnaissance de formes.