Mesdames, Messieurs,
Je poste ce message pour ma compréhension d’un réseau de neurones.
En effet, mon but est de prendre des données en couche d’entrée provenant de deux groupes discriminés pour appliquer à celles-ci des poids, de façon à obtenir finalement un scoring qui puisse s’appliquer à une observation future dont je connaîtrai les caractéristiques.
Le réseau neuronal déterminera donc ces poids.
Mon souci reste sur la complétude du modèle.
Que mettre dans l’individu à atteindre ? ie quelle fonction d’activation choisir et dans quelle but ?
Si je veux que les poids soient calculés d’une telle manière que la règle d’affectation (comprenant les poids) appliquée aux caractéristiques donne la médiane sur chaque variable de la couche d’entrée, une fonction d’activation par seuil semble adaptée. Après un nombre d’itérations important où l’erreur finale sera nulle, nous retrouverons forcément des poids tous égaux à 1 et l’individu en entrée sera la médiane… Je ne vois donc plus l’intérêt du réseau !
Expliquez-moi je suis perdu ;;;
Process=
Fonction en entrée avec les données des variables > règle d’affectation avec les poids pondérant les données > résultat comparé à l’individu médian > calcul de l’erreur
->>>>>>>>>>>>>> répercussion de l’erreur sur les poids […] erreur = 0
mille mercis!
Partager