Version imprimable
Non, le seuil est un poids noté w0 qui est attribué à une entrée valant -1.Citation:
Envoyé par maxiter
Absolument pas.Citation:
Envoyé par maxiter
C'est à toi de fixer le critère. En général, ça se fait sur l'erreur quadratique globale ou l'erreur sur chaque exemple, au choix. Dès que l'erreur descend en dessous de, par exemple, 0.0001, alors on arrête de lui faire apprendre.
Ok, merci beaucoup.
C'est vraiment important de compter le seuil dans la somme pondérée ? Car tu m'as dit que c'était un détail :? .
Et quand je le prends en compte, les résultats sont faux...
Non non non, c'est le fait qu'il soit mis parmi les poids qui est un détail, son existence et son rôle ne sont pas des détails !
Si tu veux, poids[0] est le seuil, par définition, mais on aurait aussi pu faire une variable seuil à part, toutefois je te disais que l'on modélise toujours le seuil comme le poids "numéro 0", que je note w_0 dans l'article.
D'accord, j'ai compris. Merci de ta patience en tout cas :P .
J'ai appliqué ce que tu m'as dit, mais du coup si je veux la fonction AND, le seuil doit être -1 pour que -1*(-1) = 1.
Et pour la fonction OR, le seuil doit être -0.5 pour que -1*(-0.5) = 0.5.
Ca me paraît louche quand même...
Relis les formules ;)
(w1*x1 + w2*x2) - w0 ça doit être supérieur à 0 lorsque que tu veux que x1 AND x2 vaille 1.
Ceci est la bonne formule, elle est appelée règle de Widrow-Hoff.Citation:
wi(t + 1) = wi(t) + µ * ((d - x) * ei)
Oui le poids w0 peut changer comme les autres poids. Mais ce n'a rien a voir avec le seuil.Citation:
En continuant pour arriver à l'origine de ma venue... Je me posais d'autres questions. La première: est-ce que le poids seuil w0 peut changer lors de la phase d'apprentissage, à la manière des autres poids?
Un poids n'a pas liée a une information, mais a un dendrite si je puis m'exprimer ainsi. Et donc dans le cas des perceptrons multicouches une même information peut avoir diffèrent poids.Citation:
Et enfin, il me semblait avoir compris qu'un poids était lié à une information.
L'image que tu donne est l'image d'une perceptron multicouche, et la méthode pour le résoudre est la back-propagation.Citation:
J'ai essayé de réaliser la fonction logique XOR à l'aide de trois neurones disposés comme ceci:
La manière pour résoudre un XOR avec un perceptron mono-couche est un changement de base (ici -> passer d'un espace 2D a un espace 3D), ce qui permet de coller a la dimension de Vapnik–Chervonenkis.