Académique Documents
Professionnel Documents
Culture Documents
◼ Situation
◼ Problème
◼ Solution
◼ Résultats
◼ Informatique neuronale
Dendrites
Synapse
Synapse
Axone
Axone
Dendrites Soma
Soma
x1
w1 Y1
.
. Summation
Transfer
.
Function
wn Yn
xn
1.Comment les réseaux de neurones ont-ils aidé à sauver des vies dans l'industrie
minière ?
2. Quels
étaient les défis, la solution proposée et les
résultats obtenus ?
◼ Traitement parallèle
◼ Traitement des informations réseau
◼ Contributions
◼ Les sorties
◼ Poids de connexion
◼ Fonction de sommation
6-13 Copyright © 2014 Pearson Education, Inc.
Éléments du RNA
X3 = 2
Socio-démographique
= Prédit
par rapport au réel
Religieux
A voté "oui" ou
"non" à la légalisation
jeu vidéo
Financier
. .
. .
Autre
par le finlandais
Professeur Teuvo
Kohonen
Entrée 2
▪ S'applique à
type de regroupement
problèmes
Entrée 3
complexes
informatique
problèmes (par exemple,
optimisation
problèmes)
Classe 4
3 4
Valeur des étoiles(3)
Classe 9 - BLOCKBUSTER
9 (BO > 200M)
◼ Formation (~60%)
◼ Validation (~20 %)
◼ Tests (~20 %)
◼ Long
Calculer
1. Calcul temporaire
sortir les sorties.
2. Comparez les sorties avec les
cibles souhaitées.
Est désiré
3. Ajustez les poids et
Ajuster Non
poids
sortir
atteint ?
répétez le processus.
Oui
Arrêt
apprentissage
D1
Questions à discuter
1. Comment l'analyse de sensibilité éclaire-t-elle la boîte noire (c'est-
à- dire les réseaux de neurones) ?
2. Pourquoi quelqu'un choisirait-il d'utiliser un outil de boîte noire comme les réseaux
de neurones plutôt que des outils statistiques théoriquement solides et
principalement transparents comme la régression logistique ?
L3
X1 X1
2. Développer le modèle.
◼ Sélectionnez le type de noyau (RBF est souvent un choix naturel).
◼ Déterminez les paramètres du noyau pour le type de noyau sélectionné.
◼ Si les résultats sont satisfaisants, finaliser le modèle ; sinon, modifiez le type de
noyau et/ou les paramètres du noyau pour obtenir le niveau de précision
souhaité.
Données prétraitées
Développer le modèle
Expérimentation
u Sélectionnez le type de noyau "Choisissez "Formation/Test
parmi les types de noyau RBF, sigmoïde "
ou polynomial" Déterminer les valeursdu
u noyau "Utiliserv-plier la validation croisée
ou utiliser la « recherche de grille » »
Déployer le modèle
Prédiction
u Extraire les coefficients du Modèle
u modèle Coder le modèle formé
dans le système d'aide à la
u décision Surveiller et maintenir le
modèle
k=3
k=5
Ouije
La réponse
Depend de
valeur dek
Xje X
6-41 Copyright © 2014 Pearson Education, Inc.
Le processus de Méthode KNN
Ensemble d'entraînement
Réglage des paramètres
u Mesure de distance
Données historiques
u Valeur de "k"
Ensemble de validation
Prédire
Classer (ou prévoir)
nouveaux cas utilisantk
nombre de la plupart
cas similaires
Nouvelles données