Vous êtes sur la page 1sur 2

SY50 EXAMEN FINAL

29 juillet 2006-10:30h 12 :30h en salle P131 Svenans

EXERCICE 1 (8POINTS)

Soit le rseau MLP ci-dessous :

Yo Y1

0 1
W03
W04
W13 W14

3 4
W32
W41 W42

W31

1 2

X1 X2

Les neurones caches ont une fonction sigmodale tandis que les neurones la sortie ont une
fonction linaire.

Question 1 :
Combien de neurones y a-t-il dans ce rseau ?

Question 3 :
crire pour chaque neurone la fonction dactivation aj .

Question 4 :
N
Soit E = E n la fonction derreur minimiser. En cas dapprentissage batch, quelle est la
n =1
valeur de N ? Quand faut-il employer un tel type dapprentissage ?

Question 5
Expliquer le procd pour valuer les drives de la fonction E n par rapport aux poids du
rseau et dfinir pour le rseau MLP, les j. A quoi servent ces drives ?
Question 6
Une fois les drives calcules, calculez les j du neurone de la sortie et des neurones cachs.
Justifiez les tapes des calculs.

Question 7
Comment les poids doivent-ils tre modifis ? Quelle est la loi dapprentissage ? Comment
choisit-on le coefficient dapprentissage ?Pourquoi faut-il ajouter le momentum ?

EXERCICE 2 (5POINTS)

Dcrivez la mthode didentification dun systme non-linaire par un modle ARMAXX et un


modle NNARMAX. Peuvent-ils reprsenter des systmes avec ples ?

EXERCICE 3 (3POINTS)

A quoi sert le test de validation pour un rseau de neurones ? Donnez au moins un


exemple.Comment lemploie-t-on pour choisir le nombre des neurones cachs ?

EXERCICE 4 (facultatif, 6 POINTS)

Soit donne la fonction :

N
f ( x) = a0. + cn sin(nx + n )
n=0

o a0,cn,n sont des constantes relles et n est un nombre entier. Il sagit dune combinaison
linaire de N sinusodes pour approximer une fonction. Imaginez comment cela peut tre
reprsent par un rseau neuronal. Que arrive-t-il si N est trs grand ?