Examen Ratt 2018 Corrigé Type

Centre Universitaire de Mila Examen de rattrapage en « Apprentissage Automatique »
Institut : ST, Département : MI Durée de l’examen : 1h30 / Mila le : 13-06-2018

Master 1 – STIC Documents non autorisés
Exercice 1 (8 points).
L’analyse de la température de fonctionnement d’un procédé chimique sur le rendement du produit
a donné les valeurs suivantes pour la température et le rendement correspondant :
Température °C Rendement % Température °C Rendement %

100 45 150 70
110 51 160 74
120 54 170 78
130 61 180 85
140 66 190 89
1) Donner une représentation graphique de ces données.

2) Trouver la fonction de régression linéaire par la méthode des moindres carrés, qui permet
d’associer à la température la valeur de rendement correspondante.
3) Utilisant cette fonction de régression, prédire la valeur de rendement pour la température
80°C.
4) Déterminer (en utilisant la droite de régression) quand la valeur de rendement sera
supérieure à 100.
Solution :
1) Représentation graphique de ces données.
2) Modèle de régression linéaire :

On a
𝑥 = [100; 110; 120; 130; 140; 150; 160; 170; 180; 190];
et l’étiquette 𝑦
𝑦 = [45; 51; 54; 61; 66; 70; 74; 78; 85; 89];
Application du modèle de régression linéaire :
Dans le modèle de la régression linéaire, l’ensemble des paramètres est calculé par la formule
suivante :
̃ = (𝐗 𝑇 𝐗)−1 𝐗 𝑇 𝒚
𝐰
Application numérique sur les données de l’exercice :
𝟏𝟎𝟎 𝟏 𝟒𝟓
𝟏𝟏𝟎 𝟏 𝟓𝟏
𝟏𝟐𝟎 𝟏 𝟓𝟒
𝟏𝟑𝟎 𝟏 𝟔𝟏
𝑿 = 𝟏𝟒𝟎 𝟏 𝒚 = 𝟔𝟔
𝟏𝟓𝟎 𝟏 𝟕𝟎
𝟏𝟔𝟎 𝟏 𝟕𝟒
𝟏𝟕𝟎 𝟏 𝟕𝟖
𝟏𝟖𝟎 𝟏 𝟖𝟓
[𝟏𝟗𝟎 𝟏] [𝟖𝟗]
𝟏𝟎𝟎 𝟏
𝟏𝟏𝟎 𝟏
𝟏𝟐𝟎 𝟏
𝟏𝟑𝟎 𝟏
𝟏𝟎𝟎 𝟏𝟏𝟎 𝟏𝟐𝟎 𝟏𝟑𝟎 𝟏𝟒𝟎 𝟏𝟓𝟎 𝟏𝟔𝟎 𝟏𝟕𝟎 𝟏𝟖𝟎 𝟏𝟗𝟎 𝟏 = [𝟐𝟏𝟖𝟓𝟎𝟎 𝟏𝟒𝟓𝟎]
𝑻
𝑿 𝑿=[ ] × 𝟏𝟒𝟎
𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏𝟓𝟎 𝟏 𝟏𝟒𝟓𝟎 𝟏𝟎
𝟏𝟔𝟎 𝟏
𝟏𝟕𝟎 𝟏
𝟏𝟖𝟎 𝟏
[𝟏𝟗𝟎 𝟏]
𝟒𝟓
𝟓𝟏
𝟓𝟒
𝟔𝟏
𝟏𝟎𝟎 𝟏𝟏𝟎 𝟏𝟐𝟎 𝟏𝟑𝟎 𝟏𝟒𝟎 𝟏𝟓𝟎 𝟏𝟔𝟎 𝟏𝟕𝟎 𝟏𝟖𝟎 𝟏𝟗𝟎 𝟔𝟔 𝟏𝟎𝟏𝟓𝟕𝟎
𝑿𝑻 𝒚 = [ ]× =[ ]
𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟕𝟎 𝟔𝟕𝟑
𝟕𝟒
𝟕𝟖
𝟖𝟓
[𝟖𝟗]
𝟏𝟎/𝟖𝟐𝟓𝟎𝟎 −𝟏𝟒𝟓𝟎/𝟖𝟐𝟓𝟎𝟎
On a 𝒅𝒆𝒕(𝑿𝑻 𝑿) = 𝟖𝟐𝟓𝟎𝟎, donc (𝑿𝑻 𝑿)−𝟏 = [ ]=
−𝟏𝟒𝟓𝟎/𝟖𝟐𝟓𝟎𝟎 𝟐𝟏𝟖𝟓𝟎𝟎/𝟖𝟐𝟓𝟎𝟎
𝟎. 𝟎𝟎𝟎𝟏 −𝟎. 𝟎𝟏𝟕𝟔
[ ]
−𝟎. 𝟎𝟏𝟕𝟔 𝟐. 𝟔𝟒𝟖𝟓
𝟎. 𝟒𝟖𝟑𝟎
̃ = (𝑿𝑻 𝑿)−𝟏 𝑿𝑻 𝒚 = [
D’où 𝐰 ]
−𝟐. 𝟕𝟑𝟗𝟒
𝒚 = −𝟐. 𝟕𝟑𝟗𝟒 + 𝟎. 𝟒𝟖𝟑𝟎𝒙
3) Prédire la valeur de rendement pour la température 80°C :
𝒚𝟖𝟎°𝑪 = −𝟐. 𝟕𝟑𝟗𝟒 + 𝟎. 𝟒𝟖𝟑𝟎 ∗ 𝟖𝟎 = 𝟑𝟓. 𝟗𝟎𝟎𝟔
4) La valeur de rendement sera supérieure à 100 si on a :
𝒚 > 𝟏𝟎𝟎 ⇒ −𝟐. 𝟕𝟑𝟗𝟒 + 𝟎. 𝟒𝟖𝟑𝟎𝒙 > 𝟏𝟎𝟎
𝟏𝟎𝟎 + 𝟐. 𝟕𝟑𝟗𝟒
⇒𝒙>
𝟎. 𝟒𝟖𝟑𝟎
⇒ 𝒙 ≥ 𝟐𝟏𝟐°𝑪
Considérons un problème de classification binaire. Dans l'ensemble d'apprentissage, il y a 100 instances de
classe C1 et 80 instances de classe C2. Supposons que, pour le classificateur appris, nous avons la matrice
de confusion suivante liée à la classe C1.
La classification du
Classe C1 classificateur appris
C1 C2 Total
Le classement C1 90 10 100
réelle C2 20 60 80
1- Donner une définition de la précision, le rappel et de la mesure F par rapport à la classe c1.
2- Effectuer le calcul des 3 mesures d'évaluation.
Solution :
L'explication de la précision, du rappel et de la mesure F est en cours.
𝑇𝑃1 90
𝑃𝑟𝑒𝑐(𝐶1 ) = = = 0.82
𝑇𝑃1 + 𝐹𝑃1 90 + 20
𝑇𝑃1 90
𝑅𝑎𝑝(𝐶1 ) = = = 0.9
𝑇𝑃1 + 𝐹𝑁1 90 + 10
2 ∗ 𝑃𝑟𝑒𝑐(𝐶1 ) ∗ 𝑅𝑎𝑝(𝐶1 ) 2 ∗ 0.82 ∗ 0.9
𝐹(𝐶1 ) = = = 0.86
𝑃𝑟𝑒𝑐(𝐶1 ) + 𝑅𝑎𝑝(𝐶1 ) 0.82 + 0.9
Soit 𝐀 et 𝐁 deux variables booléennes.
1) Concevoir un réseau de neurones à deux entrées permettant d’implémenter la fonction

booléenne 𝐀 ∧ ¬𝐁.
2) Concevoir un réseau de neurones à deux couches implémentant la fonction booléenne
𝐀 𝐗𝐎𝐑 𝐁.
Solution :
1) Le perceptron demandé a 3 entrées : 𝐀, 𝐁 et la constante 𝟏. Les valeurs de 𝐀 et 𝐁 sont 𝟏
(vrai) ou −𝟏 (faux). Le tableau suivant décrit la sortie 𝒚 du perceptron :
𝐀 𝐁 𝐲 = 𝐀 ∧ ¬𝐁
-1 -1 -1
-1 1 -1
1 -1 1
1 1 -1
Une des surfaces de décision correctes (n’importe quelle droite séparant le point positif des
points négatifs serait correcte) est affichée dans la figure suivante :
La droite traversant l'axe 𝐀 en 𝟏 et l'axe 𝐁 en −𝟏. Donc l'équation de la droite est
𝑨 − 𝟎 𝑩 − (−𝟏)
= ⟹𝑨= 𝑩+𝟏 ⟹𝟏−𝑨+𝑩=𝟎
𝟏 − 𝟎 𝟎 − (−𝟏)
1 w0
w1
A P 𝒚 = 𝐀 ∧ ¬𝐁
w2
Les valeurs possibles pour les poids w0, w1 et w2 sont 1 et -1. En utilisant ces valeurs, la
sortie du perceptron pour A = 1, B = -1 est positive. Par conséquent, nous pouvons conclure
que w0 = -1, w1 = 1, w2 = -1.
2) Le perceptron demandé a 3 entrées : 𝐀, 𝐁 et la constante 𝟏. Les valeurs de 𝐀 et 𝐁 sont 𝟏

(vrai) ou −𝟏 (faux). Le tableau suivant décrit la sortie 𝒚 du perceptron :
𝐀 𝐁 𝐲 = ¬𝐀 ∧ ¬𝐁
-1 -1 1
-1 1 -1
1 -1 -1
1 1 -1
Une des surfaces de décision correctes (n’importe quelle droite séparant les points positifs
des points négatifs serait correcte) est affichée dans la figure suivante :
-. .-
A
. .-
+
La droite traversant l'axe 𝐀 en −𝟏 et l'axe 𝐁 en −𝟏. Donc l'équation de la droite est
𝑨−𝟎 𝑩 − (−𝟏)
= ⟹ 𝑨 = −𝑩 − 𝟏 ⟹ 𝟏 + 𝑨 + 𝑩 = 𝟎
−𝟏 − 𝟎 𝟎 − (−𝟏)
1 w0
w1
A P 𝒚 = ¬𝐀 ∧ ¬𝐁
w2
Les valeurs possibles pour les poids w0, w1 et w2 sont 1 et -1. En utilisant ces valeurs, la
sortie du perceptron pour A = -1, B = -1 est positive. Par conséquent, nous pouvons conclure
que w0 = -0.7, w1 = -0.5, w2 = -0.5.
3) ¬(𝐀 𝐗𝐎𝐑 𝐁) ne peut pas être calculé par un perceptron unique, nous devons donc construire
un réseau à deux couches de perceptrons. La structure du réseau peut être dérivée par :
▪ Exprimer ¬(𝐀 𝐗𝐎𝐑 𝐁) en fonction des composantes logiques :
¬(𝐀 𝐗𝐎𝐑 𝐁) = ¬((𝐀 ∧ ¬𝐁) ∨ (¬𝐀 ∧ 𝐁)) = ¬(𝐀 ∧ ¬𝐁) ∧ ¬(¬𝐀 ∧ 𝐁)
▪ Définir les perceptrons 𝐏𝟏 et 𝐏𝟐 pour (𝐀 ∧ ¬𝐁) et (¬𝐀 ∧ 𝐁)

▪ Combiner les sorties de 𝐏𝟏 et 𝐏𝟐 dans 𝐏𝟑 qui implémente ¬𝑓(𝐏𝟏 ) ∧ ¬𝑓(𝐏𝟐 )
En fin, le réseau demandé est donné dans la figure suivante :
1 -1
1 P1 -0.5
A
-1
P3 𝒚 = ¬(𝐀 𝐗𝐎𝐑 𝐁)
-1 -0.5
1 P2 -0.7
B
-1 1
1
Exemple :
Soit A = 1, B = -1
Résultat pour le perceptron P1 = 1 + 1 - 1 = 1
Résultat pour le perceptron P2 = -1 - 1 - 1 = -3
Résultat pour le perceptron P3 = -0.5*1 -0.5*-1 – 0.7 = -1.7  le résultat final est faux (y = -1).

Examen Ratt 2018 Corrigé Type

Transféré par

Droits d'auteur :

Formats disponibles

Examen Ratt 2018 Corrigé Type

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Examen Ratt 2018 Corrigé Type

Transféré par

Droits d'auteur :

Formats disponibles

Centre Universitaire de Mila Examen de rattrapage en « Apprentissage Automatique »

Institut : ST, Département : MI Durée de l’examen : 1h30 / Mila le : 13-06-2018

Température °C Rendement % Température °C Rendement %

1) Donner une représentation graphique de ces données.

2) Modèle de régression linéaire :

1) Concevoir un réseau de neurones à deux entrées permettant d’implémenter la fonction

2) Le perceptron demandé a 3 entrées : 𝐀, 𝐁 et la constante 𝟏. Les valeurs de 𝐀 et 𝐁 sont 𝟏

¬(𝐀 𝐗𝐎𝐑 𝐁) = ¬((𝐀 ∧ ¬𝐁) ∨ (¬𝐀 ∧ 𝐁)) = ¬(𝐀 ∧ ¬𝐁) ∧ ¬(¬𝐀 ∧ 𝐁)

▪ Définir les perceptrons 𝐏𝟏 et 𝐏𝟐 pour (𝐀 ∧ ¬𝐁) et (¬𝐀 ∧ 𝐁)

En fin, le réseau demandé est donné dans la figure suivante :

Vous aimerez peut-être aussi