Discussion :

[candesign]

Bonjour à tous,

Je suis nouveau aux réseaux de neurones et je souhaite utiliser cette technologie pour les prévisions des séries temporelles sur Matlab.

Pour ce faire, j’ai choisi une série simple à prévoir : 0, 0, 1, -1, 0, 0, 1, -1, 0, 0, 1, -1

La règle de cette série est facile à comprendre. Deux zéros suivis par 1, -1 et ainsi de suite…

J’ai donc créé deux vecteurs input et output : x et y (x = 0, 0, 1, -1, 0, 0, 1, -1, 0, 0, 1, -1) (y = 0, 1, -1, 0, 0, 1, -1, 0, 0, 1, -1, 0) et j’utilise un réseau Feed-forward Backprop à deux couches.

Ci-dessous les étapes que j’ai suivies pour la création du réseau et l’apprentissage.

Les résultats de l’apprentissage ont l’air bon avec une erreur atteinte de l’ordre de 10e-12. Cependant quand je simule le réseau sur la base des mêmes données de l’apprentissage, le résultat est loin d’être à la hauteur.

Quelqu’un aurait une idée sur la cause du problème ou une autre méthode pour améliorer les résultats ?

Merci

Création du réseau :


---------------------------------------------------------------

---------------------------------------------------------------

Structure du réseau :


---------------------------------------------------------------

Apprentissage du réseau :

---------------------------------------------------------------

Erreur :

---------------------------------------------------------------

Simulation du réseau :

---------------------------------------------------------------

Comparaison entre les résultats "théoriques" et les résultats simulés par le réseau :

[mimiza]

bonjour candesign, avant d'effectuer l'apprentissage de votre réseau de neurone
essaye de le simuler avec les mêmes données que tu as utilisés tout à l'heure pour l’apprentissage. Puis comparer les résultats avant et après l'apprentissage.
C'est pour voir si l'apprentissage a eu vraiment lieu, car il semble que le nombre d'Epoch que tu as choisi n'est pas atteint.

[candesign]

bonjour candesign, avant d'effectuer l'apprentissage de votre réseau de neurone
essaye de le simuler avec les mêmes données que tu as utilisés tout à l'heure pour l’apprentissage. Puis comparer les résultats avant et après l'apprentissage.
C'est pour voir si l'apprentissage a eu vraiment lieu, car il semble que le nombre d'Epoch que tu as choisi n'est pas atteint.

Bonjour Mimiza,

C'est exactement ce que j'ai fait pour vérifier que l'apprentissage a eu lieu. C'est ce qui est montré dans le dernier graphique. Il compare le résultat des mêmes données de l'apprentissage avec les résultats théoriques.

Merci

[mimiza]

salut Candesign,
le résultat de réseau de neurone est raisonnable, le problème vient des données que tu as utilisés pour effectuer l'apprentissage. En effet, on voit bien que pour la première entré x=0 le réseau doit fournir une sortie y=0, puis pour la même entrée x=0 on demande au réseau de nous fournir une sortie y=1, et on lui redemande dans la 10ème fois, pour la même entrées, de nous fournir une sortie y=1. Alors, après que l'apprentissage c'est effectué, le réseau de neurone a appris qu'il doit fournir pour x=0 une sortie qui s'approche de 0 et de 1, d'où l'allure de la courbe.
J'ai attacher les figures des courbes.
la figure1 représente en vert le résultat théorique et en rouge le résultat de réseau sans apprentissage.
la figure2 représente en vert le résultat théorique et en bleu le résultat de réseau après l'apprentissage.

[candesign]

salut Candesign,
le résultat de réseau de neurone est raisonnable, le problème vient des données que tu as utilisés pour effectuer l'apprentissage. En effet, on voit bien que pour la première entré x=0 le réseau doit fournir une sortie y=0, puis pour la même entrée x=0 on demande au réseau de nous fournir une sortie y=1, et on lui redemande dans la 10ème fois, pour la même entrées, de nous fournir une sortie y=1. Alors, après que l'apprentissage c'est effectué, le réseau de neurone a appris qu'il doit fournir pour x=0 une sortie qui s'approche de 0 et de 1, d'où l'allure de la courbe.
J'ai attacher les figures des courbes.
la figure1 représente en vert le résultat théorique et en rouge le résultat de réseau sans apprentissage.
la figure2 représente en vert le résultat théorique et en bleu le résultat de réseau après l'apprentissage.

Merci mimiza,

Tu as raison, pour la même entrée on a deux sorties possibles mais c'est l'objectif justement car le réseau est censé reconnaitre the pattern, c'est à dire l'évolution de la courbe dans le temps et à partir des points qui précèdent l'entrée nous disposerons d'une liaison unique entre ces points et la sortie.