Académique Documents
Professionnel Documents
Culture Documents
Matière : IA /
Niveau : 1ere Master Vision Artificielle.
Solution de l’exercice 1
1ere exemple :
yc= signe (w0*x1 +w1*x2)= Signe(0*0 +0*0)= Signe(0 ) = 0
(w0,w1)= (0,0)+0.5* (0-0) * (0,0) = (0, 0)
Pas de changement dans la valeur des poids.
2eme exemple :
yc = Signe (w0*x1 +w1*x2)= f(0*0+0*1) = 0
(w0,w1) = (0,0)+0.5 (1-0) * (0,1) = (0, 0.5)
3eme example
yc= Signe (w0*x1 +w1*x2)= Signe(0*1+0.5*0)= 0
(w0,w1)= (0,0.5)+0.5 (0-0) * (1,0) = (0, 0.5) =(0, 0.5)
pas de changement dans la valeur des poids.
4eme exemple
yc = Signe (w0*x1 +w1*x2)= Signe(0*1+0.5*1)= Signe(0.5) = 1
(w0,w1)= (0,0.5)+0.5 (0-1) * (1,1) = (0,0.5)+(-0.5,-0.5)= (-0.5,0)
b)
Pas d’apprentissage = 0.4 ; Fonction d’activation f(x) = -x. ; Poids initiaux : w0 = 0.1
w2= 0.4 ; Θ = - 0.5 ; Critère d’arrêt : Deux (02) itérations
Tableau d’apprentissage contient un seul exemple [ (2,3) ; -2 ]
Itération 1 :
yc= f(0.1 *2+0.4*3 – (-0.5))= f(1.9)= -1.9
(w0,w1)= (0.1, 0.4)+0.4 (-2+1.9) * (2,3) = (0.1,0.4)+0.4 * -0.1 * (2,3) =(0.1,0.4)-0 .04 * (2,3 )
=(0.1,0.4) + ( -0 .08, -0.12) = (0.02, 0.28)
Itération 2 :
yc = f(0.02 *2+0.28*3 +0.5)= f(1.38)= -1.38
(w0, w1)= (0.02, 0.28) + 0.4 (-2 +1.38) * (2,3) = (0.02, 0.28) +0.4 * -0.62 *(2,3)
Solution de l’exercice 3
Parents Enfants
MASTERINMD MASTERNNDM
MASTERNIDM MASTERIIDM
Mutation aléatoire
Remplacement des individus faibles de la population P0 par les enfants et génération d’une
nouvelle population :
Arrêt.