Discussion :

[delphi_jb]

Bonjour à toutes et à tous

Dans le cadre de l'élaboration de mon projet, j'ai besoin d'un coup de main sur l'utilisation d'un réseaux de neurone.

J'ai sous la main un générateur d'être humain en 3D. C'est un logiciel avec lequel on manipule tout une série de paramètre
pour obtenir un peu le type de personne que l'on veut (on peut vraiment paramétrer beaucoup de chose...)

Hier pour la science, j'ai tenté de créer un algorithme qui génère aléatoirement un personnage, en générant des variables aléatoires
pour chacun des paramètres. Le résultat était très intéressant: J'avais systématiquement un Alien, chaque fois différent !


J'ai alors eu une idée: Créer un réseaux de neurone et lui apprendre le "beau", en se basant sur les exemples de ce que je lui donne.



J'ai alors déployé un réseaux de neurone (perceptron multicouche) de 8 entrées, et une sortie:

- les entrées sont 8 paramètres définissant une poitrine (des Float)
- la sortie est un indice de plausibilité visuel de l'ensemble (un indice de plausabilité, soit 0, soit 1)

L'idée étant que chaque association de paramètre me donne un résultat plausible, ou non...



J'ai donc réalisé un apprentissage en mode supervisé. En effet, j'ai soumis à mon réseaux une
vingtaine de cas aléatoire avec chaque fois leur entrées, et le résultat en sortie (de mon expérience donc)


jusque la, tout fonctionne...



Après, j'ai commencé à utiliser mon réseaux de neurone pour le questionner.
En effet, j'ai généré une centaine de cas différents, en questionnant le réseaux à chaque fois sur la
plausibilité du résultat.


==> Le réseaux ne me sort que des chiffres compris entre 0.126 et 0.128 !

En plus, non content de me fournir en sortie un nombre super restreinte, j'ai l'impression que ce
résultat est inefficace tant la réponse ne colle pas à la réalité visuelle de la poitrine...


Pourquoi à votre avis ?
mauvais apprentissage ?


merci d'avance

[mGraph]

Sachant que la réponse ultime est 42 ! il te reste du chemin... mdr ^^

plus sérieusement, c'est un très beau projet.
Il faudrait voir comment cela est construit, et quel type d'apprentissage, avec juste un résultat il est difficile de savoir/comprendre ce qui se passe dans ce neurone.
c'est peut être une simple erreur de calcul.

[lilalex]

Le réseaux ne me sort que des chiffres compris entre 0.126 et 0.128 !

Hé hé, tu es sans doute tombé sur une stabilisation dans un minimum local.
J'ai pas de lien sous la main sur le sujet, mais c'est documenté, faut juste un peu fouiller la toile.

En gros tu as trouvé une fausse solution, ton apprentissage retourne sans arrêt sur les mêmes poids.

[delphi_jb]

Sachant que la réponse ultime est 42 ! il te reste du chemin... mdr ^^

plus sérieusement, c'est un très beau projet.
Il faudrait voir comment cela est construit, et quel type d'apprentissage, avec juste un résultat il est difficile de savoir/comprendre ce qui se passe dans ce neurone.
c'est peut être une simple erreur de calcul.

Hé hé, tu es sans doute tombé sur une stabilisation dans un minimum local.
J'ai pas de lien sous la main sur le sujet, mais c'est documenté, faut juste un peu fouiller la toile.

En gros tu as trouvé une fausse solution, ton apprentissage retourne sans arrêt sur les mêmes poids.

Désolé je pensais que la discution était morte. Merci pour vos réponses !

Depuis ma demande, j'ai réussi à le faire fonctionner.

Je suis débutant dans l'utilisation des RDN. Aussi Comme cela ne fonctionnait pas, j'ai tenté plus simple, avec moins de parametre en entrée. J'ai donc réalisé un nouveau reseaux de type morphologique, avec juste en entrée la taille, le poid et les proportions des membres.

J'ai également changé ma méthode de sortie en mettant un "pourcentage" a chaque exemple (Avant je répondait strictement "1" ou "0" suivant la plausibilité). Ça a nettement mieux fonctionné.

Malgré tout, je pense pas que le meilleur fonctionnement vienne du type de sortie, mais plutôt d'une meilleur qualité des exemples et de ma capacité à mieux utiliser cette classe de reseaux de neurone php (j'ai utilisé une autre instruction pour récupérer les sorties)

Du coup maintenant je vais repartir sur un reseaux plus grands, avec en plus de ces 3 paramètres, tout les parametres de la poitrine. Ça va faire environ 10 entrées...
Je vais également utiliser deux sorties:
- plausibilité du corp généré
- beauté du corp généré

Plus tard si cela fonctionne, j'ajouterais encore une sortie supplémentaire, soit un indice de beauté de la poitrine.

L'objectif étant d'avoir un RDN avec en entrée tout les paramètres du corp (une centaine à la louche) et des sorties correspondants de type générale (plausibilité, beauté generale, âge, sexe,...) mais aussi pointant sur des éléments ciblés (beauté visage, poitrine, finesse du corp, etc)

Du coup je garde le sujet ouvert pour les futurs question qui s'en suivront 😜

[Bovino]

J'essaye de trouver un rapport, même lointain, avec PHP mais j'avoue que je ne trouve pas... Il semble que j'ai besoin d'un peu de rab de réseau de neurones.

[delphi_jb]

En fait j'ai mis PHP car c'est le language utilisé.
Sans savoir si mon problème venait du code ou de la logique Neuronale, j'ai posté ici.

Il semblerait que effectivement à l'avenir, il sera plus question de débat sur les réseaux à proprement parlé que sur le langage PHP lui même... Je pense donc que l'on peut déplacer ce post dans une section plus approprié à la discution sur les RDN

[Felfla]

Bonjour ,

Actuellement débutante dans les réseaux de neurones, je réalise un réseau (prédiction non pas de classification) avec à peu près 2500 sous Matlab à l'aide de la toolbox.
Cependant, les résultats me semblent aberrants à savoir :

mu= 100 000
Gradient= 452080
et R= 0.30


Je pense que pour voir si nous avons des "ressemblances" entre les neurones d'entrée et de sortie seuls le R me le donnerai non pas des taux d'apprentissage et de gradient enormissime.
Pour supplément, j'ai fait le training avec dans un premier temps 5 neurones cachés puis 10 mais en vain.

Quelques astuces à suggérer?

Je vous remercie, :-)