Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Rapport tp1 deep learning Papport de TP Elabor ?e par AATMANE Soukaina BENSOUDA KORACHI El Ghali MRANI ALAOUI Ouafae KAYEYE Mlica Ornella Encadr ?e par M IBN ELHAJ CAbstract Un neurone est un objet math ?ematique qui fut a l ? origine introduit entre autr

Papport de TP Elabor ?e par AATMANE Soukaina BENSOUDA KORACHI El Ghali MRANI ALAOUI Ouafae KAYEYE Mlica Ornella Encadr ?e par M IBN ELHAJ CAbstract Un neurone est un objet math ?ematique qui fut a l ? origine introduit entre autres choses pour mod ?eliser le fonctionnement du cerveau humain dans le cadre d ? ?etudes de la cognition En interconnectant plusieurs neurones nous formons alors un r ?eseau de neurones CContents Introduction Code du Perceptron monocouche Le code complet Explication du code Bibliotheque numpy Classe Peceptron Fonction d ? activation Fonction de Pr ?ediction Algorithme d ? apprentissage Perceptron References CChapter Introduction Ce qui rend ce perceptron Python unique c ? est que nous allons etre aussi explicites que possible avec nos noms de variables et nos formules et que nous allons tout passer en revue ligne par ligne avant de devenir intelligents d ? importer un tas de biblioth eques et de refactoriser Nous allons commencer par un petit r ?ecapitulatif et un r ?esum ?e CChapter Code du Perceptron monocouche Le code complet En utilisant Spyder Voila le code En executant ce dernier C Explication du code Bibliotheque numpy numpy est une bibliotheque num ?erique apportant le support e ?cace de larges tableaux multidimensionnels et de routines math ?ematiques de haut niveau fonctions sp ?eciales algebre lin ?eaire statistiques etc La bibliotheque NumPy permet d ? e ?ectuer des calculs num ?eriques avec Python Elle introduit une gestion facilit ?ee des tableaux de nombres Classe Peceptron nous cr ?eons une nouvelle classe Perceptron Cela nous permettra entre autres de maintenir l ? ?etat a ?n d ? utiliser notre perceptron apres qu ? il ait appris et attribu ?e des valeurs a ses poids class Perceptron object def i n i t s e l f input size I r epochs s e l f W np z e r o s i n p u t s i z e self epochs epochs s e l f Ir Ir np zeros Renvoie un nouveau tableau de forme et de type donn ?es rempli de z ?eros epochs le nombre d ? ?epoques que nous allons permettrea notre algorithme d ? apprentissage de parcourir avant de se terminer et il est ?x ?e par d ?efaut a Ir est utilis ?e pour d ?eterminer l ? ampleur de la variation de nos poids a chaque ?etape par le biais de nos donn ?ees d ? entra nement et est ?x ?e par d ?efaut a Cnous d ?eplac ons notre biais dans le vecteur de poids a ?n de ne pas avoir ale traiter ind ?ependamment de nos autres poids Ce biais est le de notre vecteur de poids et est appel ?e le poids du biais Fonction d ? activation C ? est notre fonction de marche pied Cela se lit comme un pseudo-code si la somme du haut est sup ?erieure a nous stockons dans la variable activation sinon activation alors nous renvoyons cette valeur