TIPE 2009 - Étude d'un réseau de neurones
Adrien Vergé, Lucien Giraud et Paul Tessier

Tester le réseau de neurones actuel

Entrée

0
1
1
1
0
1
0
0
0
1
1
0
0
0
1
1
0
0
0
1
0
1
1
1
0

Couche 1

0.36	1.02	1.62	0.16	1.88	-1.52	1.32	-0.82	1.66	1.32	-1.42	1.9	1.92	1.26	1.04	-0.52	1.62	0.02	-0.62	0.1	0.2	0.04	-0.16	-0.56	1.28
-0.9	0.42	1.38	0.38	-0.76	-0.62	-1.28	-1.74	-1.02	0.88	-1.88	-0.52	0.2	-0.68	-0.88	-0.48	-0.08	-0.98	-0.56	-0.84	-1.96	0.92	-1.24	0.06	-1.7
0.86	-1.74	0.34	-1.3	-0.3	-0.4	-0.18	-1.88	-1.02	-1.82	-0.62	0.38	-1.1	-0.36	1.36	1.8	-0.22	-1.18	-0.02	1.1	-0.04	1.5	-1	0.98	-1.08
0.16	1.04	1.86	0.94	-0.9	-1.86	-0.2	-0.64	0.5	0.5	1.06	-1.9	-1.7	1.2	-0.9	-1.52	-1.44	1.48	-0.6	0.22	0.84	-0.82	2	1.68	1.16
1.1	-0.38	0.64	-1.9	-1.4	1.56	0.26	1.64	1.42	-0.8	-1.28	1.56	1	0.1	0.06	-0.5	-0.84	0.18	-0.2	-1.66	1.28	0.3	-1.08	0.76	1.72
1.14	-0.42	-1.12	1.14	-0.76	-1.96	0.24	0.86	0.7	0.34	1.48	0.24	-1.42	1.1	-0.34	-0.2	1.84	-0.8	-1.22	-0.08	1.28	0.28	1.08	-0.56	-1.92
1.44	-1.28	0.4	-1.66	1.48	0.1	1.5	-0.96	0.98	0.64	0.28	1.04	-1.14	-0.86	-0.28	1.2	-1.4	1.98	1.8	1.72	-0.38	-0.42	1.54	0.84	0.38
-0.54	0.1	-1.36	-1.46	1.56	-1.26	2	-1.74	1.14	-1.68	1.74	-0.78	1.84	-1.22	-1.8	0.46	1.08	1.24	1.34	-1.78	-1.06	0.52	-1.18	-1.08	0.32
-1.46	0.54	1.9	-1.92	-0.64	0.26	-0.46	1.46	0.92	0.1	1	1.68	0.08	1.28	0.8	0.42	1.02	-1.98	0.24	1.8	-1.78	-1.3	0.88	1.48	-1.98
1.1	-1.58	0.56	1.94	-0.66	-1.14	-1.54	1.88	-1.24	-1.46	-0.78	1.04	0.1	-1.32	-0.04	-1.82	1.7	-0.38	0.28	0.96	-1.58	-1.32	-0.02	-1.56	0.94

0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5

sigmoide

Sortie

0.65
0.08
0.43
0.98
0.01
0.3
0.93
0
1
0

Chiffre le plus probable :
8

Sortie idéale

Entrainer le réseau de neurones actuel

Cette option va entrainer le réseau pendant 100 itérations. Pendant chaque itération on soumet au réseau une des 10 images représentant les chiffres (aléatoirement), on compare le résultat à la sortie idéale (qui devrait être obtenue, par exemple pour l'image du zéro on souhaite obtenir la sortie [1,0,0,0,0,0,0,0,0,0]) puis on corrige les coefficients de chaque couche du réseau par la méthode de rétropropagation du gradient. Pour chaque itération on affiche la norme de l'erreur obtenue (erreur = sortie obtenue - sortie idéale).

Nombre d'itérations

Vitesse d'apprentissage η = Attention une vitesse trop grande peut empêcher la convergence du réseau vers un état sans erreur.

Ne corriger les coefficients du réseau que si l'entrée est incorrectement classée

Présenter les exemples :
dans un ordre aléatoire
dans un ordre périodique