Discussion :

[DJEcalcul]

Bonjour à tous,

Je ne connais rien à R, j'aimerais l'utiliser pour faire un réseau de neurones. Si j'ai bien compris, il existe plusieurs bibliothèques, nnet, neuralnet.

- Quelles en sont les différences ?

- Avez-vous des liens, des tutos très basiques pour faire un réseau de neurones sous R ? (notamment qui y va progressivement, d'abord avec des opérations booléennes puis de grosses données)

Merci à vous.

[DJEcalcul]

Je reponds un peu a ma propre question.

J'ai trouve un code R qui fait la racine carre avec un reseau de neurone. J'aimerai maintenant le modifier pour qu'il puisse faire un test XOR ou OR.
Donc je voudrais en entree 2 vecteurs [0,1,0,1] et [1,0,0,1] et en sortie [1,1,0,0], ne connaissant rien a R, comment puis-je modifier les 1r lignes pour avoir 2 colonnes en entre et donc 3 colonnes dans la variable trainingdata.

Je suppose que c'est assez simple a faire quand on connait un peu R. Mais rien que mettre dans une variable 2 colonnes de chiffres, je ne sais pas comment on fait.

voici le code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
 
install.packages('neuralnet')
library("neuralnet")
#-----------------------
 
#Going to create a neural network to perform XOR
#Type of neuralnet for more information on the neuralnet library
 
#Generate 50 random numbers uniformly distributed between 0 and 100
#And store them as a dataframe
traininginput <-  as.data.frame(runif(50, min=0, max=100)) # inputs
trainingoutput <- sqrt(traininginput)                      # name of the NN
 
#Column bind the data into one variable
trainingdata <- cbind(traininginput,trainingoutput)
colnames(trainingdata) <- c("Input","Output")
 
#Train the neural network
#Going to have 10 hidden layers
#Threshold is a numeric value specifying the threshold for the partial
#derivatives of the error function as stopping criteria.
net.sqrt <- neuralnet(Output~Input,trainingdata, hidden=10, threshold=0.01)
print(net.sqrt)
 
#Plot the neural network
plot(net.sqrt)
 
#Test the neural network on some training data
testdata <- as.data.frame((1:10)^2) #Generate some squared numbers
net.results <- compute(net.sqrt, testdata) #Run them through the neural network
 
#Lets see what properties net.sqrt has
ls(net.results)
 
#Lets see the results
print(net.results$net.result)
 
#Lets display a better version of the results
cleanoutput <- cbind(testdata,sqrt(testdata),
                         as.data.frame(net.results$net.result))
colnames(cleanoutput) <- c("Input","Expected Output","Neural Net Output")
print(cleanoutput)