Version imprimable
Bonjour,
j'utilise le code de retropropagation "on-line" pour programmer un perceptron multicouche, mon réseau est à deux sortie, je me suis bloquée dans l'implémentation sous matlab , toujours il y des bugs concernant les tailles des matrices.
s'il vous plait aidez moi c'est trop urgent et merci d'avance
cordialement.
Pour tout code la première chose à faire est de la poser sur papier, et pour les matrices de faire des petits dessins ;)
si ma matrice d'entrée est [n d], n : nb data; d : dimension de mes data, alors
ma matrice Whi (poids entre l'entrée et la couché) est [d h], d : dimension de mes datas, h : nombre de neurones dans ma couche caché, alors
ma matrice Wij (entre couche caché ou entre la couche caché et la sortie) est [h hn] ou [h s], h : nombre de neurones dans ma couche caché, hn : nombre de neurones dans ma couche caché n, s : nombre de neurones dans ma couche de sortie (nombre de classe).
Le tout devant être initialisé au début :).
Si tu as des problèmes post ton code que l'on y regarde.
Salut,
merci Clercq pour votre réponse, c'est très bien compris.
En fait mon problème et maintenant est dans le produit de matrices élément par élément dans l'étape d'ajustement des poids :
voilà la ligne de l'algorithme backprop correspondante :
delta_HO = error.*blr .*hval;
dans mon cas le nombre de neur. de soritie est 2, donc erreur est de taille 1x2 -blr est un scalaire (taux d'appr.)
-hval : la sortie des neur.cachés est de taille 1x40
il faut bien que ce calcul soit élément par élément parce qu'on cherche le delta de chaque liaison et non pas une somme.
j'ai donc décidé de construire delta_HO par la concaténation de deux colonnes : la première vient deu produit : error(1,1).*blr.*hval
la deuxième est résultat de error(1,2).*blr.*hval
c-à-d que je fait la multiplication de chaque scalaire de "error" à part
voilà la solution que j'ai trouvé j'espère que quelqu'un me dise si c'est correcte ou pas
merci d'avance.
à+
Salut,
voilà le code que j'utilise (la phse d'apprentissage) :
%-----------------------------------
%--- Learning ------------- ---------
%-----------------------------------
%do a number of epochs
for iter = 1:epochs
%get the learning rate from the slider
alr = get(hlr,'value');
blr = alr / 10;
%loop through the patterns, selecting randomly
for j = 1:patterns
%select a random pattern
patnum = round((rand * patterns) + 0.5);
if patnum > patterns
patnum = patterns;
elseif patnum < 1
patnum = 1;
end
%set the current pattern
this_pat = train_inp(patnum,:);
act = train_out(patnum,1);
%calculate the current error for this pattern
hval = (tanh(this_pat*weight_input_hidden))';
pred = hval'*weight_hidden_output';
error = pred - act;
% adjust weight hidden - output
delta_HO = error.*blr .*hval;
weight_hidden_output = weight_hidden_output - delta_HO';
% adjust the weights input - hidden
delta_IH= alr.*error.*weight_hidden_output'.*(1-(hval.^2))*this_pat;
weight_input_hidden = weight_input_hidden - delta_IH';
end
ce code marche bien pour un réseau à une seule sortie
Mais dans mon cas (deux sortie) j'ai des problèmes, j'ai tellement essayé en mais toujours ça ne marche pas
Mon problème est dans la ligne en rouge,
s'il vous plait aidez moi, je suis trop préssée par le temps, merci.