[Bobby-Juju]

Bonjour, vous seriez bien aimable de vouloir m'aider à comprendre à résoudre ce problème.

Merci de votre aide.

a) Illustrez la méthode de rétro-propagation présentée dans le texte sur les réseaux neuronaux pour entraîner le réseau neuronal suivant, de façon à ce qu'il puisse reconnaître les blocs qui, soit mesurent moins de 3 cm3, soit sont de couleur bleue.



b) Pour ce faire, présentez la suite des calculs dans l'ordre indiqué par l'algorithme : à partir de x1, x2, calculer z1 z2 z3 en prenant des poids initiaux égaux à 0,5, de même que y, à l'aide des fonctions d'activation proposées dans le texte.

c) Ensuite, modifiez au besoin le poids v2, pour réduire l'écart, puis modifier w12 et w22 en tenant compte de ce nouveau poids de façon à faire converger la solution.

Note : Il est plus facile de faire ces calculs dans un tableur. Ne faire que 5 ou 6 itérations.

[Djodje]

[RIVIERE2DIAMANT]

waouuuuuuuuuuuuu
Je t'aurais bien aidé mais il va me falloir quelques années lol
Désolé

[Clercq]

Héhé, déterrons les vieux topic,

En entré, je dirais:
x_1 € C={1,...,n}, ensemble de n couleur par des valeur entieres.
x_2 € T={1,...,m}, ensemble de m taille.

Prediction:

z_1 = x_1
z_2 = w_12*x_1+w_22*x_2
z_3 = x_2

Y = g(z_1)+g(v_2*z_2)+g(z_2)

Avec g(), la fonction d'activation.

Calcul de l'erreur:

Erreur = Sortie_reel - Y

Avec Sortie_reel = 1 si x_1=l'equivalent de bleue ou x_2=3 ; -1 = sinon

Erreur_z_1 = Erreur*1 = Erreur
Erreur_z_2 = Erreur*v2
Erreur_z_3 = Erreur*1 = Erreur

Modification des poids:

w_12 = w_12+taux_apprentissage*Erreur_z_2*g'(w_12*x_1+w_22*x_2)*x_1
w_22 = w_22+taux_apprentissage*Erreur_z_2*g'(w_12*x_1+w_22*x_2)*x_2

avec g'() la dérivé de ma fonction d'activation.

v_2 = v_2+taux_apprentissage*E*z_2

Vive le fossoyage de topic