Bonjour,
Je souhaite mettre en place un réseau de neurones pour fair de la classification de signaux. Les entrées de mon réseau sont des caractéristique des signaux, pour l'instant j'opte pour la moyenne et la variance, plus tard peut-être j'y ajouterai les moments statistiques d'odre 3 et 4. Pour la sortie il n'y en à qu'une, binaire, elle dit si le signal est de type 0 ou 1.
Je ne sais pas quel serait l'architecture idéal pour répondre à mon problème, je pense commencer par le plus simple, le perceptron avec une couche cachée. J'utiliserai aussi une fonction d'activation sigmoïde et un apprentissage par rétro-propagation de l'erreur.
Qu'est ce que vous en pensez ? Il y a peut-être une meilleure solution, je suis ouvert à toutes suggestions.
J'ai aussi une quesiton concernant la couche cachée, je n'ai aucune idée du nombre de neurones que je dois y mettre. Je n'ai aps trouvé de théorie à ce sujet pour les perceptrons.
Partager