Fiche 09 :
R´eseau de neurones
Master 1 I2L 2013 / 2014
Neurone artificiel
1.a. Quels sont les ´el´ements qui d´efinissent un neurone artificiel ?
1.b. D´efinir une classeNeuroneThreshold dont la fonction d’activation est celle de Heavyside.
1.c. D´eterminer le poids des connexions pour que le neurone r´ealise la fonction binaire OU.
1.d. D´eterminer le poids des connexions pour que le neurone r´ealise la fonction binaire ET.
1.d. Est-il possible de r´ealiser la fonction binaire XOR avec un neurone artificiel ?
Apprentissage avec un neurone
Le but est de d´efinir les 3 r`egles d’apprentissage selon la loi de Hebb, Widrow-Hoff et Grossberg.
2.a. Le jeu d’apprentissage est celui de la classification des nombres pairs/impairs ´ecrits en ”segments digitaux”. D´efinir ce jeux de test qui sera utilis´e dans un ”main”.
2.b. D´efinir une classe g´en´erique (abstraite) d’apprentissage.
2.c. D´efinir les 3 classes correspondant aux 3 r`egles d’apprentissage.
2.d. Tester et comparer vos 3 types d’apprentissage.
R´ eseau de neurones
3.a. Peut-on facilement d´efinir une autre classe neurone o`u l’on change seulement la fonction d’acti- vation ?
3.b. D´efinir une classeNeuroneSigmoideo`u la fonction d’activation est une sigmo¨ıde.
3.c. D´efinir une classePerceptronMultid’un r´eseau de neurones multi-couche de type perceptron.
3.d. D´efinir une classe qui permettent l’apprentissage avec retro-propagation de l’erreur.
3.e Tester votre classe.
1