Discussion :

[bert_]

Bonjour,

J'utilise un réseau de neurones pour un morpion (3x3). J'utilise un vecteur d'entrée correspondant au damier, une couche cachée (de 90 neurones) et une couche de sortie de neuf neurones. Le vecteur de sortie permet d'établir la case à jouer.

Le résultat commence à être satisfaisant (mais il reste encore des erreurs). Peut être en améliorant ou en continuant l'apprentissage, j'arriverai à un résultat correct.

Maintenant, je veux généraliser le jeu avec un damier de taille quelconque (nCol x nLig), un nombre de cases à aligner quelconque et un nombre de joueurs quelconque (>=2). J'ai bien conscience qu'il faut un réseau par type de partie mais pensez-vous qu'un réseau à deux couches peut suffir pour l'apprentissage ? J'ai, pour l'instant, défini le nombre de neurones de la couche cachée comme étant 10 fois le nombre de cases... est-ce correct ? Avez-vous des liens sur ce sujet ?

Merci.

[Alp]

D'ores et déjà, je te conseille de modifier le nombre de neurones de la couche cachée !
Tu as 9 informations d'entrée, 9 en sortie, 90 ça me paraît plutôt énorme

[bert_]

D'ores et déjà, je te conseille de modifier le nombre de neurones de la couche cachée !
Tu as 9 informations d'entrée, 9 en sortie, 90 ça me paraît plutôt énorme

Ok, je vais essayer en réduisant le nombre de neurones de la couche cachée. Par contre, comment pourrais-je établir une relation entre ce nombre et le type de partie (taille du damier, nombre de cases à aligner, nombre de joueurs) ?

[Invité]

Perso je tenterais un apprentissage avec un neurone caché par pion. Mais je suis pas formel.

Arff.

[bert_]

Perso je tenterais un apprentissage avec un neurone caché par pion. Mais je suis pas formel.

Arff.

Je ne vois pas trop comment ? Il faudrait un nouveau réseau à chaque pion joué, est-ce bien intéressant ?

Je me demande aussi si deux couches (une cachée et une de sortie) suffisent, notamment pour des damiers plus grands ?

[ToTo13]

Bonjour,

je viens de voir ce post, un peu en retard je l'avoue. Alors si ce n'est pas trop tard, j'ai deux petites remarques.

Il a été montré qu'il est plus performant de faire autant de modèle que de classe lorsque le nombre de classe est supérieur à 2. C'est le principe du contre tous. Donc dans ton cas, neuf classes => neuf modèles. Chaque modèle te donnant la probabilité de jouer dans la case qu'il représente.

Il a aussi été montré que l'on obtient des résultats équivalents en mettant un ou plusieurs couches cachées, donc inutile d'en mettre plus d'une.

En général on choisit une forme pyramidale pour les réseaux de neurones. Il est extrêmement rare d'avoir une autre architecture, surtout avec plus de neurones dans la couche cachée.

J'ai maintenant deux questions :
- comment valides tu tes modèles?
- combien d'individus (données, jeux, etc.) as tu pour réaliser l'apprentissage?