Nombre de couches : 1 +
Nombre d'entrées : Laisser 25 pour pouvoir tester les images de 5*5=25 pixels représentant les chiffres.
Couche 1 : neurones, fonction linéairetangente hyperboliquesigmoïdeseuilseuil symétriquesaturé positifsaturé symétrique
Les coefficients de la matrice et du vecteur seuil seront remplis aléatoirement. C'est l'entrainement qui mènera vers les coefficients adaptés.
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