La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Chapitre 4 (suite) Applications du perceptron multicouche.

Présentations similaires


Présentation au sujet: "Chapitre 4 (suite) Applications du perceptron multicouche."— Transcription de la présentation:

1 Chapitre 4 (suite) Applications du perceptron multicouche

2 Plan 4- Perceptron multicouche Sélection des paramètres Améliorations des performances Applications Reconnaissance optique de caractères Base dapprentissage incrémentale Extraction de caractéristiques Compression dimages (réseau Diabolo)

3 GPA-779 Application des réseaux de neurones et des systèmes experts Cours #5 - 3 Découverte J.C. Principe, N.R. Euliano et W.C. Lefebvre Neural and Adaptive Systems: Fundamentals Through Simulations John Wiley & Sons, 2000 Approche systèmes linéaires adaptatifs Simulateur de base fourni sur CD-ROM Couvre majorité des modèles, y compris MVS (machines à vecteurs de support) ACP Éléments de TNS: –Réponse en fréquence et transformée en Z –Filtre adaptatif Trouvé chez le Camelot, sept. 2005, $124

4

5 GPA-779 Application des réseaux de neurones et des systèmes experts Cours #5 - 5 Neurones cachés versus complexité des données

6 GPA-779 Application des réseaux de neurones et des systèmes experts Cours #5 - 6

7 GPA-779 Application des réseaux de neurones et des systèmes experts Cours #5 - 7

8 GPA-779 Application des réseaux de neurones et des systèmes experts Cours #5 - 8

9 GPA-779 Application des réseaux de neurones et des systèmes experts Cours #5 - 9

10 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # Apprentissage versus généralisation

11 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # Généralisation en régression

12 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # Problématique: rappel Base de données étiquetée Base dapprentissage Base de test apprentissage généralisation

13 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # Système complet de classification

14 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # Influence du nombre dépoques dapprentissage

15 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # Influence du nombre de neurones

16 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # Influence du nombre de données

17 6 Applications Reconnaissance Optique des Caractères (O.C.R) Seuillage dimages Base dapprentissage incrémentale Data Mining, Extraction des connaissances

18 6 Applications - OCR Reconnaissance Optique des Caractères (O.C.R) Objectif s Système OCR la lettre « s » Reconnaissance sans contrainte Reconnaissance hors contexte Reconnaissance du scripte deux Reconnaissance des caractères manuscrits

19 6 Applications - OCR Reconnaissance des chiffres manuscrits Extraction des primitives Système de décision Acquisition dimages Système de prétraitement « 0 » « 1 » « 2 » …… « 9 »

20 6 Applications - OCR Acquisition dimages Résolutions spatiale et en niveaux de gris Système de prétraitement Extraction dimagettes Filtrage/réduction du bruit Mise à léchelle Extraction des primitives Primitives visuelles méthodes syntaxiques Prototypes des classes Paramètres numériques (données brutes, données transformées, ….) méthodes numériques

21 6 Applications - OCR Le neurone formel en reconnaissance de chiffres Séparation entre deux classes Imagette dentrée X Poids synaptiques Classe 1 : -1 Classe 2 : +1

22 6 Applications - OCR Exemple : Classe 1 Classe 2 Image des poids synaptiques

23 6 Applications - OCR Le réseau multicouches en reconnaissance de chiffres Base dapprentissage étiquetée 16, (0, 0, 0, 1, 0, …, 0) L

24 6 Applications - OCR Nombre de neurones dans la couche cachée ? Base dapprentissage étiquetée Base dapprentissage Base de test L L Optimal

25 6 Applications - Seuillage dimages Seuillage dimages : Opération que lon effectue sur une image afin d'obtenir une nouvelle image à deux niveaux de gris. Réseau CMB (Connexionnist Model Binarization)

26 6 Applications - Seuillage dimages

27 6 Applications - Base dapprentissage incrémentale Base dapprentissage incrémentale Concept dapprentissage incrémental Ajout de nouvelles classes Ajout de nouvelles formes Les réseaux multicouches nadmettent pas cette possibilité OCR, Reconnaissance de parcellaires en imagerie satellitaire, etc.

28 6 Applications - Base dapprentissage incrémentale Base incrémentale en imagerie satellitaire Position du problème Vert Rouge Proche infrarouge Composé couleur Spot

29 6 Applications - Base dapprentissage incrémentale x1x1 x2x2 x3x3 Il sagit de la classe C m Position, (x 1, x 2, x 3 ), C m

30 6 Applications - Base dapprentissage incrémentale ClassificationApprentissage Extraction d'exemples Connaissances de l'expert Base (t) Base (t+1) Base (t) (t+1)

31 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # C onstruction dynamique d'une base d'apprentissage Base (t = 0) Base (tf = 15) 100 exemples /classe 1600 exemples /classe 6 Applications - Base dapprentissage incrémentale

32 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # E xtraction des connaissances d'une base d'exemples A bsence de connaissances a priori U ne base d'exemples étiquetée A pproche d'extraction de connaissances A pprentissage d'un réseau multicouches A nalyse des poids synaptiques A pplication aux données MSN MSN, Malaises Graves (MG) et Fratries (F) 42 données épidémiologiques 6 Applications - Extraction des connaissances

33 GPA-779 Application des réseaux de neurones et des systèmes experts Cours # E xtraction de connaissances d'une base d'exemples MSN D1 D5 6 Applications - Extraction des connaissances


Télécharger ppt "Chapitre 4 (suite) Applications du perceptron multicouche."

Présentations similaires


Annonces Google