Académique Documents
Professionnel Documents
Culture Documents
TP4 Enonce
TP4 Enonce
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
inp=[1 2 3 4 5; 6 7 8 9 0];
b
rs
out=[1 -1 1 -1 1];
ab
H
% 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
succincte.
Te
M
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