tp-r195169seaux-neurones

March 11, 2024

1 TP Réseaux Neurones en Python

Objet du TD :RNA, Keras, tensorflow, sklearn

1.0.1 Exercie 1 : un réseau de neuronne simple

Dans cet excercie, le but est d’écrire un script Python permettant d’illustrer le fonctionnement d’un
réseau neurones
Question1 : Ecrire une fonction initializeNetwork permettant de créer un réseau de neuronnes
ayant une couche cachée. Les poids et kes biais seront initialisé aléatoirement.
[4]: import numpy as np
from keras.models import Sequential
from keras.layers import Dense

def initializeNetwork(input_size, hidden_size, output_size):

model = Sequential()
model.add(Dense(hidden_size, input_dim=input_size, activation='relu'))
model.add(Dense(output_size, activation='sigmoid'))
return model

Question 2 : Ecrire unefonction showNetwork permettant d’afficher les caractéristiques d’un

réseau de neurones.
[5]: def showNetwork(input_size, hidden_size, output_size):
print(f"Input layer size: {input_size}")
print(f"Hidden layer size: {hidden_size}")
print(f"Output layer size: {output_size}")

Question 3: Ecrire une fonction neuronOutput permettant de calculer la sortie d’un neurone
[6]: def neuronOutput(inputs, weights, bias):
return np.dot(inputs, weights) + bias

Qestion 4 : Ecrire une fonction forwardpropagate permettant de calculer les sorties d’un réseau
de neurones ayant une couche cachée
[7]: def forwardpropagate(inputs, model):
return model.predict(inputs)

1
 Question5: Ecrire un script permettant de créer, afficher et tester un reseau de neurones
[8]: input_size = 2
hidden_size = 3
output_size = 1

model = initializeNetwork(input_size, hidden_size, output_size)

showNetwork(input_size, hidden_size, output_size)

inputs = np.array([[0.5, 0.8]])

output = forwardpropagate(inputs, model)
print(f"Network output: {output}")

Input layer size: 2

Hidden layer size: 3
Output layer size: 1
1/1 �������������������� 1s 990ms/step
Network output: [[0.4273884]]

[ ]:

[ ]: