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

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

Apprentissage avec un réseau de neurones artificiels Projet Tutoré 2013/2014.

Présentations similaires


Présentation au sujet: "Apprentissage avec un réseau de neurones artificiels Projet Tutoré 2013/2014."— Transcription de la présentation:

1 Apprentissage avec un réseau de neurones artificiels Projet Tutoré 2013/2014

2 2 Présentation de l’équipe ▪ Alaeddine HAJJEM ▪ Manon MAILLARD ▪ Baptiste MONTANGÉ ▪ Abdurahman ZULLU ▪ Tuteur : Sylvain CHEVALLIER

3 3 Plan ▪ Présentation de l’application et du projet ▪ Les réseaux de neurones artificiels ▪ Solution du projet ▪ Influence des paramètres ▪ Qualité de la solution ▪ Bilan du projet

4 4 Présentation de l’application ▪ Une application de reconnaissance de lettres ▪ Qu’est ce qu’une lettre? ▪ Repose sur l’apprentissage avec un réseau de neurone artificiel ### # # ##### # #

5 5 Fonctionnement de l’application ▪ Fichier texte des lettres à apprendre ▪ Apprentissage des lettres ▪ Fichier texte des lettres à reconnaitre ▪ Reconnaissance des lettres

6 6 Patrons des lettres ### #### #### #### ##### ##### #### # # ### ### # # # # # # # # # # # # # # # # # # # # ##### #### # # # ### ### # ##### # # ### # # # # # # # # # # # ## # # # # # # # # # # #### #### #### ##### # #### # # ### ## # # ##### # # # # ### #### ### #### #### ##### # # # # # # # # ## ## ## # # # # # # # # # # # # # # # # # # # # # # # # # # # #### # # #### ### # # # # # # # # # # # # ## # # # # ## # # # # # # # # ### # # # # # # ### # #### # # #### # ### # # # # # # # ##### # # # # # # #####

7 7 Objectif de ce projet ▪ Comprendre le fonctionnement des réseaux de neurones artificiels ▪ Apprendre un maximum de lettres ▪ Avoir un logiciel robuste ▪ Comprendre l’influence des paramètres du réseau

8 8 Plan ▪ Présentation de l’application et du projet ▪ Les réseaux de neurones artificiels ▪ Solution du projet ▪ Influence des paramètres ▪ Qualité de la solution ▪ Bilan du projet

9 9 Réseau de neurone artificiel : Késako? ▪ Une méthode d’apprentissage artificiel ▪ A quoi cela sert-il? ▪ Comment cela fonctionne?

10 10 Réseau de neurone Hopfield ▪ Une solution pour les problèmes non linéaires ▪ Tous les neurones sont reliés entre eux

11 11 Et dans l’application? ▪ Les lettres déterminent l’activation des neurones ### # # ##### # # # #

12 12 Plan ▪ Présentation de l’application et du projet ▪ Les réseaux de neurones artificiels ▪ Solution du projet ▪ Influence des paramètres ▪ Qualité de la solution ▪ Bilan du projet

13 13 Et la solution? ▪ Apprentissage d’une lettre ▪ Apprentissage de plusieurs lettres ▪ Au bout d’un moment, boucle infinie?

14 14 L’ordre des lettres? ▪ Apprentissage des lettres par ordre alphabétique ▪ Seulement 11 lettres apprises ▪ A la 12ème lettre : oubli catastrophique ▪ L’application ne reconnaît plus les lettres apprises.

15 15 L’ordre des lettres? ▪ Apprentissage d’une séquence de lettres différentes ▪ Nombre de pixels différents significatif ▪ Apprentissage de 15 lettres ▪ A la 16ème lettre : oubli catastrophique.

16 16 L’ordre des lettres? ▪ Apprentissage d’une séquence de lettres similaires ▪ Nombre de pixels similaire supérieur à 20 ▪ Apprentissage de 16 lettres ▪ A la 17ème lettre : oubli catastrophique.

17 17 Changement des patrons ▪ Changement des différents patrons de lettres différentes ▪ Au final apprentissage de 24 lettres ▪ Importance de la similitude des lettres |# | | # | |#####| | ### | |# | | # | | # | | # | |# | | # | | # | | # | |# | | # | | # | | # | |#####| | ###| | # | | # |

18 18 Plan ▪ Présentation de l’application et du projet ▪ Les réseaux de neurones artificiels ▪ Solution du projet ▪ Influence des paramètres ▪ Qualité de la solution ▪ Bilan du projet

19 19 Influence des paramètres ▪ Plusieurs paramètres composent l’application : ▪ ALPHA ▪ Seuils initiaux ▪ Poids initiaux ▪ ALPHA détermine le recalcul des seuils et des poids: ▪ Si ALPHA=0.1  rapide mais seulement 16 lettres apprises ▪ Si ALPHA=0.05  plus de calculs mais encore 16 lettres apprises ▪ Si ALPHA=0.005  plus de calculs mais 24 lettres apprises ▪ Si ALPHA=  trop de calculs, et seulement 5 seule lettre apprise!

20 20 Influence des paramètres ▪ Détermination poids initiaux ▪ Tester des poids initiaux de 0,00 à 0,20 avec un pas de 0,01 ▪ Regarde la moyenne des poids de chaque neurone, puis moyenne générale ▪ Au final, moyenne des 21 valeurs précédentes  poids initial à 0,06 ▪ Remarque: si poids initiaux trop grand (>0,4), trop de calculs, pas de résultat ▪ Seuils initiaux: ▪ Tester des seuils initiaux de 1 à 10 ▪ Différence entre seuil minimal et seuil maximal du réseau ▪ + seuil initial grand, + la différence est grande, + de calculs, pas plus de résultats

21 21 Plan ▪ Présentation de l’application et du projet ▪ Les réseaux de neurones artificiels ▪ Solution du projet ▪ Influence des paramètres ▪ Qualité de la solution ▪ Bilan du projet

22 22 Qualité de la solution ▪ Au final: 24 lettres apprises sur 26 ▪ Peu robuste dans la reconnaissance de lettres bruitées ▪ Pourquoi cette priorité ?

23 23 Plan ▪ Présentation de l’application et du projet ▪ Les réseaux de neurones artificiels ▪ Solution du projet ▪ Influence des paramètres ▪ Qualité de la solution ▪ Bilan du projet

24 24 Bilan du projet ▪ Les évolutions possibles ▪ Qui a fait quoi ? ▪ Les difficultés du projet ▪ Les acquis du projet

25 25 Merci de votre écoute Présentation réalisée par : Alaeddine HAJJEM Manon MAILLARD Baptiste MONTANGÉ Abdurahman ZULLU


Télécharger ppt "Apprentissage avec un réseau de neurones artificiels Projet Tutoré 2013/2014."

Présentations similaires


Annonces Google