Cette recherche s’inscrit dans le cadre d’une réflexion plus vaste
portant sur l’évolution des mentalités et sur l’histoire des représentations
en France. A partir de l’exemple de l’image de la Première
dame, il s’agira non seulement d’en dégager les constantes et les
variantes, et ce, dès l’avènement de la Vème République, mais aussi
d’essayer de cerner l’évolution du statut de la femme, et de mieux
saisir le brouillage des frontières entre sphère publique et sphère
privée1. A travers l’analyse menée, nous tenterons de dégager les
stratégies qui régissent le discours médiatique étudié, et d’établir
des liens entre ces stratégies et les logiques commerciales.

Débuts et/ou commencements. Pourquoi dit-on Les débuts d’une cantatrice mais Le commencement du monde? Angoisse de la page blanche au début d’une écriture. Adam chassé du paradis figure du premier exilé. Indétermination des débuts et des origines déclarées ou enfouies. Présence inévitable d’un déjà-là ou début absolu?

Artificial neural network (ANN) models are involved in many applications because of its great computational capabilities. Training of multi-layer perceptron (MLP) is the most challenging problem during the network preparation. Many techniques have been introduced to alleviate this problem. Back-propagation algorithm is a powerful technique to train multilayer feedforward ANN. However, it suffers from the local minima drawback. Recently, meta-heuristic methods have introduced to train MLP like Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Cuckoo Search (CS), Ant Colony Optimizer (ACO), Social Spider Optimization (SSO), Evolutionary Strategy (ES) and Grey Wolf Optimization (GWO). This chapter applied Multi-Verse Optimizer (MVO) for MLP training. Seven datasets are used to show MVO capabilities as a promising trainer for multilayer perceptron. Comparisons with PSO, GA, SSO, ES, ACO and GWO proved that MVO outperforms all these algorithms.