UNIVERSITE DE BOUMERDES – FHC

Département Automatisation des Procédés et Electrification

Cours de Techniques de l’intelligence artificielle
TP 4 : Réseaux de neurones artificiels
Développement et implémentation dans l’environnement NNTool

1. Présentation du NNTool
L’environnement de développement NNTool fournit une panoplie de fonctions prédéfinies qui
permettent le développement et l’analyse des réseaux de neurones artificiels. Fondamentalement, le
concepteur aura à faire dérouler un certains nombre d’étapes génériques : Design, Training et
Testing.
• ANN Design :
- Définir le nombre de nœuds dans chacune des couches d’entrée, cachée et de sortie

AI
- Définir les fonctions d’activation
- Initialiser la routine de training à utiliser
- Autres paramètres : Critère d’erreur (MSE par défaut), Tracer la progression du training,…

es
• ANN Training :

qu
- Cette étape exige la disponibilité d’une base de données d’apprentissage (Patterns, Features
and Target)
- Procéder à l’apprentissage en vue de minimiser le critère d’erreur
ni
- Ce procédé détermine les meilleurs poids et biais du réseau
ch

• ANN Testing :
BB

- En présence de données de test, vérifier l’aptitude du réseau à réaliser un bon équilibre entre
Te
M

apprentissage (mémorisation) et généralisation.

-U
C
H
de

2. Implémentation : Feedforward ANN with Back-propagation

.F

% Inputs and target

iH

inp=[1 2 3 4 5; 6 7 8 9 0];
b
rs

out=[1 -1 1 -1 1];
ab
H

% Creating the network and simulating output

ou
Pr

net = newff(inp, out, [3 1], {'logsig' 'logsig' 'logsig' 'logsig' 'purelin'},

'traingd')
y = sim(net, inp);
C

% Training
net.trainParam.epochs=500;
net.trainParam.goal=1e-05;
net=train(net, inp, out);

y=sim(net,inp);
 AI
es
qu
ni
Travail demandé :
ch

1. Prendre connaissance des différentes fonctionnalités du NNTool et en faire une présentation

BB

succincte.
Te
M

2. Concevoir un réseau de neurones pour le problème suivant.

-U

Considérons un réseau de neurones ayant 4 entrées et une seule sortie. Le réseau doit fournir une
C
H
de

valeur de sortie « One » si le nombre de « 1 » présents en entrée est impaire ; alors qu’il fournira
.F

« Zero » si ce nombre est pair. Admettons pour cela un réseau avec une seule couche cachée
iH

constituée de six neurones. Les données d’apprentissage (input, target) sont données par :
b
rs
ab

inp=[0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1; 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1; 0 0 1 1 0
H

0 1 1 0 0 1 1 0 0 1 1; 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1];
ou
Pr

out=[0 1 1 0 1 0 0 1 1 0 0 1 0 1 1 0];
C

– Concevoir ce réseau et implémenter le dans l’environnement NNTool en précisant clairement

le paramétrage adopté dans la phase du design.
– Présenter tous les résultats des étapes de training et de testing (poids, courbes de
performance,…) qui permettent d’évaluer la performance du réseau.
– Discuter l’utilité d’un éventuel re-paramétrage du problème pour en améliorer les
performances. Présenter les résultats qui en découlent.