| Apprentissage du Perceptron |
Introduction
Cette applet illustre une forme simple d'apprentissage supervisé
appelée la règle d'apprentissage du perceptron.
Avec cette applet, vous pouvez entraîner le perceptron de manière
à ce qu'il agisse comme une unité logique binaire. Il peut
calculer ou approximer la plupart des fonctions booléennes à
deux entrées. Cependant, un problème apparaît lorsqu'on
essaye de lui faire apprendre le OU exclusif (XOR) ou le non-OU exclusif
(XNOR). L'applet fourni une solution pour résoudre ce problème
en introduisant une entrée supplémentaire.
Auteur
L'applet original a été écrit par Fred
Corbett, et est disponible ici.
Ces pages ont été modifiées par Olivier Michel et
Alix Herrmann.
Théorie
Cliquez sur les deux liens ci-dessous pour en apprendre davantage. Ensuite
allez directement à l'applet.
Applet
(Il se peut que vous ayez besoin de redimensionner votre fenêtre
pour voir la totalité de l'applet)
Comme le neurone simple, ce perceptron simple a seulement deux entrées.
La différence est qu'un règle d'apprentissage a été
implémentée.
Cliquez ici pour lire les
instructions. Vous pouvez afficher ces intructions dans une fenêtre
séparée afin de pouvoir les lire en même temps que
vous utilisez l'applet.
Questions
-
Quels motifs peuvent être appris avec la fonction d'activation pas
unitaire ? Combien d'itérations sont nécessaires en moyenne
?
-
Idem, mais avec une fonction d'activation sigmoïde.
-
Idem, mais avec une fonction d'activation linéaire seuillée.
-
Idem, mais avec une fonction d'activation gaussienne, essayez de
deviner à l'avance de qu'il va se passer. Peut-il réellement
apprendre quelque chose ?
-
L'associateur linéaire n'a pas de non-linéarité
(fonction d'activation identité). Peut-il apprendre à reconnaitre
les mêmes motifs qu'avec la fonction d'activation pas unitaire,
sigmoïde, ou linéaire seuillée ? Quel
est le role de la non-linéarité ?