Scribd
Importer
487 vues6 pages

TP 2

Ce document présente un résumé d'un rapport de projet sur les réseaux de neurones artificiels. Il décrit les différents types d'apprentissage pour les réseaux de neurones ainsi que des applications pratiques avec MATLAB.

Transféré par

WajdiBrahem
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
487 vues6 pages

TP 2

Ce document présente un résumé d'un rapport de projet sur les réseaux de neurones artificiels. Il décrit les différents types d'apprentissage pour les réseaux de neurones ainsi que des applications pratiques avec MATLAB.

Transféré par

WajdiBrahem
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
Vous êtes sur la page 1/ 6

SOFT COMPUTING

Compte rendu tp 2  LES RESEAUX DE NEURONES ARTIFICIELS

Réaliser par : Brahem Wajdi

Elec 2 Groupe 2 Tp 1

2019/2020

~1~
INTRODUCTION

Les réseaux de neurones artificiels ou Neural Network est un système informatique s’inspirant
du fonctionnement du cerveau humain pour apprendre, elles sont généralement optimisées
généralement par des méthodes d’apprentissage de type probabiliste, on a deux types
d’apprentissages :
 Apprentissage supervisé, ou l’on utilise un ensemble déterminé de donnés d’entrée et
de sortie pour ajuster les poids de réseau de manière itérative.
 Apprentissage non supervisé, ou l’on trouve uniquement des données d’entrée et une
fonction de coût à réduire.

BUT

Au cours de ce Tp on va maitriser l’utilisation des réseaux de neurones artificiels par la


programmation sur MATLAB par des applications détaillées.

~2~
APPLICATION
 Création un réseau composé d’une perception :

 Calculer la sortie d’un neurone simple :

 Même résultat.

 Création d’un réseau de neurones

~3~
 Apprentissage supervisé
Dans cet exemple, nous exécuterons un simple perceptron pour déterminer la solution d’une
fonction logique « ou » à 2 entrées.

~4~
 Résultat

 Classification
On a deux groupes de données, appartenant à deux classes. Ils sont définis dans un espace
d’entrée bidimensionnel. Ces deux classes sont linéairement séparées. La tâche consiste à
construire un perceptron pour la classification de données en utilisant les instructions
suivantes :

~5~
Vectors to be Classified

10

4
P(2)

-2

-4

-6
-4 -2 0 2 4 6 8
P(1)

Conclusion

Les réseaux de neurones artificiels ont besoin de cas réels servant d’exemples pour leur
apprentissage. Ces cas doivent être d’autant plus nombreux que le problème est complexe et
que sa topologie est peu structurée. Ainsi on peut optimiser un système neuronal de lecture de
caractères en utilisant le découpage manuel d’un grand nombre de mots écrits à la main par de
nombreuses personnes. Chaque caractère peut alors être présenté sous la forme d’une image
brute, disposant d’une topologie spatiale à deux dimensions, ou d’une suite de segments
presque tous liés.

~6~

Vous aimerez peut-être aussi