FORUM MP | Intelligence artificielle ( IA ) - Algo géné. : Aide: rétropropagation du gradient

COMMUNAUTE MP

Identifiez vous ...

DOMAINE MP

Bavardages

Langages Généraux

Langages Web

Langages DotNet

Autres langages

Dev. Jeux Video

Sécurité

Sys. Exploitation

Graphismes

Logiciels

Réseaux

Bases de données

Méthodologies

Emplois High-tech

Aide juridique

Articles juridiques

FORUM

CHAT MP IRC

Votre pseudo ...

Srv: irc.moteurprog.com

Chan: #MoteurProg

PARTICIPER

Plus de 3500 emplois.

Visiteur MP

Aide: rétropropagation du gradient
	Forum : INTELLIGENCE ARTIFICIELLE ( IA ) - ALGO GÉNÉ. Sous Catégorie : Algo géné. Type du sujet : Sujet Normale FAQ : FAQ INTELLIGENCE ARTIFICIELLE ( IA ) - ALGO GÉNÉ.
		SUIVI PAR MAIL INACTIF
		SUJET NON RESOLU
		SUJET ACTIF
		N'APPARTIENT PAS A LA FAQ

FORUM INTELLIGENCE ARTIFICIELLE ( IA ) - ALGO GÉNÉ.
	Page précedente	Page suivante

sunmat
Membre MP

Inscrit : 17/05/2005
Messages : 201

#93939 Posté le 16/04/06 à 13:45

Bonjour à tous,
je cherche en ce moment à créer un template de réseau de neurone, mais je ne parviens pas à programmer la fonction d'apprentissage du perceptron.
Est-ce que quelqu'un pourrais me donner le principe de cet apprentissage (rétropropagation du gradient) ?

A titre d'info, voici mon programme actuel (en ruby) :

#===================================================== # initialisation des constantes : #===================================================== STEPS = 0 #renvoie uniquement 1 ou 0 SIGMOIDE = 1 #renvoie des valeurs réelles entre 0 et 1 TANHYP = 2 #renvoie des valeurs réelles entre -1 et 1 GAUSS =3 #renvoie des valeurs réelles entre 0 et 1 #====================================================== # déclaration d'un neurone #====================================================== class Neurone attr_accessor :weight #tableau des poids dendritiques attr_accessor :entry #tableau des entrées dentritiques attr_accessor :out #sauvegarde de la sortie sur l'axone attr_accessor :type #type de fonction seuil à utiliser #nbe est le nombre d'entrées (de dendrites) du neurone #le type de seuillage à effectuer (STEPS, SIGMOIDE, TANHYP, GAUSS) def initialize(nbe,type = STEPS) @type = type @weight = Array.new(nbe,1) end #fonction de seuillage de la sortie #x constitue la somme des entrées pondérées de leur poids respectif def seuil(x) case @type when STEPS if @type < 0 return 0 else return 1 end when SIGMOIDE return (1/(1 + Math::exp(-x))) when TANHYP return (2 / (1 + Math::exp(-x)) - 1) when GAUSS return (Math::exp(-(x**2))) end end #calcule de la sortie def exit(entry) @entry = entry wx = 0 for i in 0...@weight.size wx += @entry[i]*@weight[i] end @out = seuil(wx) #la variable @out permet de garder une trace de la dernière sortie du neurone return @out end end #====================================================== # déclaration d'une couche #====================================================== class Layer attr_accessor :entry #entrée de la couche attr_accessor :neurone #tableau des neurones de la couche attr_accessor :type #type de traitement des neurones de la couche attr_accessor :out #tableau de sauvegarde de la dernière sortie de la couche #initialisation de la couche #nbn est le nombre de neurones, nbe est le nombre d'entrées, et type le type de seuillage des neurones def initialize(nbn,nbe,type = STEPS) @neurone = Array.new(nbn, Neurone.new(nbe, type)) @type = type end #fonction de calcule de la sortie de la couche def exit(entry) @out = Array.new(@neurone.size) @entry = entry for i in 0...@neurone.size @out[i] = @neurone[i].exit(@entry) end return @out end end #==================================================== # déclaration d'un perceptron multi-couche #==================================================== class Perceptron attr_accessor :entry #entrée du perceptron attr_accessor :layer #tableau des couches du perceptron attr_accessor :out #sortie du perceptron #initialisation du perceptron #structure est la structure interne en couches et neurones du perceptron #exemple : [4,2,1] est un perceptron à trois couches de respectivement 4, 2 et 1 neurone #soe est le nombre de dendrites par neurones en première couche (soe = size of entry) def initialize(soe, structure,type = STEPS) @layer = Array.new(structure.size) @layer[0] = Layer.new(structure[0],soe,type) for i in 1...structure.size @layer[i] = Layer.new(structure[i],structure[i-1],type) end end #fonction de calcule de la sortie du perceptron def exit(entry) @entry = entry e = entry for i in 0...@layer.size e = @layer[i].exit(e) end @out = e return @out end end

En esperant une réponse,
@+
__________________________
Gné !

HAUT DE PAGE

Publicité

Inscrit : X
Messages : X

#Aucun

HAUT DE PAGE

thedub2001
Nouveau membre

Inscrit : 07/05/2006
Messages : 3

#96089 Posté le 07/05/06 à 14:24

je prefererai un dessin pour comprendre ton prog... :(): Smiley

HAUT DE PAGE

PAGE : [1]

.: Site Web développé par Julien Pichot et l'équipe MPWG avec www.evolvia-web.com :.