Bonjour,
je considère un réseau de neurone avec ses entrées suivis d'une première couche de neurones, chacun des neurones de la première couche est connecté à toutes les entrées, à partir de là comment est-il possible d'avoir des différences dans les sorties de ces neurones quand ils recoivent tous les même entrées et les traitent de la même façon ?
Bonjour :coucou:
Quel est l'intérêt d'avoir des neurones ayant tous la même entrée ? Autant prendre un seul neurone.
Quel est l'intérêt d'avoir des neurones ayant tous la même entrée ? Le réseau de neurone répond "statistiquement". Donc diversité.
Quel est l'intérêt d'avoir des sorties différentes en fonction de l'entrée identique ? c'est la démarche inverse du réseau de neurone.
Comment entrevois-tu l'apprentissage ?
Pour moi l'apprentissage d'un neurone unique d'abord et le réseau entier ensuite se fait lorsque qu'il réussi à s'activer, alors les fonctions à ses entrées impliquées dans cette activation sont ajustées pour que dans le futur ils donnent des valeurs plus grandes et donc facilitent l'activation même si le signal à reconnaître est dégradé. Il m'a semblé lire pas mal d'articles qui parlaient de réseau de neurones dont tous les neurones d'une couche étaient connectés à tous les neurones de la couche voisine.
Si je ne me trompe pas lors de la génération du réseau de neurones, les poids de tous les neurones sont initialisés avec des valeurs aléatoires, mais est-ce le seul facteur qui joue dans la différence de sortie de chaque neurone entre eux ?
Par exemple, j''ai une image composée uniquement de contours d'objets, j'essaie à petite echelle de cette image d'entrainer un réseau de neurone à détecter un segment d'une inclinaison donnée donc le composant d'une petite portion de l'image. Pour cela je place un certain nombre de neurone dans une partie circulaire englobant le segment à détecter et je leur donne à chacun comme entrée la globalité des pixels de cette partie circulaire englobant le segment. Vais-je après N itérations de réajustement des poids de synapse pouvoir détecter n'importe quelle inclinaison de segment et cela uniquement en initialisant les poids de ces neurones avec des valeurs aléatoires au tout début ?
J'avais juste oublié de considérer une valeur propre à chaque neurone qui est le seuil, évidement sans cette valeur ça marchait moins bien, mon problème est résolu !