Discussion :

[skit]

Salut à tous,

je cherche, en ce moment, à réaliser une découpe en blocs élémentaires de n'importe quel réseau de neurones.
Je sais pertinemment que le NAND gate me permettrait d'y parvenir mais c'est du trop bas niveau pour être réellement pratique. En appliquant une grille (matrice reliant le vecteur d'entrée au vecteur de sortie) sur l'axone et les dendrites tout en ramenant chaque soma à une fonction de transfert, je pense pouvoir tout ramener en schéma-bloc opérationnel.
Néanmoins, je ne peux me contenter d'une fonction de heaviside pour la sollicitation et je ne suis pas sûr de l'approche pour l'organisation en matrices. Pour un perceptron, ça passerait sans problème. Mais, si je pars sur un réseau de Kohonen ou une machine de Boltzmann, ça devient terriblement compliqué. Qui plus est, je n'ai aucune idée de comment prendre en compte chaque fonction d'activation (réaliser une sigmoïde avec une heaviside... c'est stupidement compliqué).

Bref, quelqu'un a-t-il une idée de ce à quoi ressemblerait les composantes élémentaires (fonctions, topologie,etc) permettant de réaliser n'importe quel type de réseau de neurones?
Etant donné qu'une entrée peut être une matrice (une image, par exemple), partons que l'élément ayant le domaine le plus grand sera un tenseur d'ordre 3.
Je galère un peu car il existe toujours un cas intéressant ou un réseau existant qui n'est pas réalisable avec le jeu d'éléments que je définis

[skit]

Pour ceux que le sujet intéresserait, j'ai pas mal réfléchi et je pense que la façon la plus simple est de passer par l'intermédiaire d'un langage "graph-based" comme le Gremlin, pour l'instant ma meilleure option. Idéalement, le langage doit être interprété plutôt que compilé.
Je continue de regarder s'il y a de meilleures alternatives mais il semble être suffisamment complet et flexible (basé sur la JVM, accepte des snippets de code en C/C++/Python/...)