Discussion :

[alimo44]

Bonjour,

j'ai un pfe de calculatrice vocale. mon réseau de neurones doit pouvoir reconnaitre les chiffres de 0 à 9 et les opérateurs(+,-,/,*,=) et un autre mot "effacer" pour un back.

j'ai utilisé le PMC(perceptron multicouches)avec l'algorithme d'apprentissage (backpropagation)
quand je teste le taux sur la base d'apprentissage j'obtiens 86% (càd mon réseau à bien appris) mais le taux de reconnaissance est au alentour de 30%

c'est pour cela que je veux appliquer le TDNN (réseau à retard) pour comparer les résultats.


j'ai 16 mots à reconnaitre et 100 occurrences par mot et pour chaque occurrence 26 attributs (coefficients mfcc)
voici le code que j'utilise pour newff:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
net=newff(minmax(p),[21,16],{'logsig','logsig'},'traingdm');
net.trainParam.show = 500;
net.trainParam.lr = 0.03;
net.trainParam.mc = 0.02;
net.trainParam.epochs = 10000;
net.trainParam.goal = 1e-6;
[net,tr]=train(net,p,B);
save netlm net;

si quelqu'un peut m'expliquer le TDNN pour l'implémenter je serais très reconnaissant.

Je vous remercie.

[ToTo13]

Bonjour,

si ton réseau apprend bien et qu'il valide mal, c'est sans doute que tu as un souci dans ce que tu fais. Voyons cela avant de changer de réseau de neurones.
Je souhaiterai donc savoir les choses suivantes :
- combien et quels descripteurs de signaux utilises tu ?
- combien d'individus as tu pour travailler ? combien par classe ?
- quelle architecture as tu utilisés ?
- quelle méthode de validation as tu utilisée ?
- pourquoi particulièrement les réseaux de neurones.