Réseaux neuronaux
Vidéos:
apprentissage supervisé 2008 (< 1Mo).apprentissage non supervisé 2008 (< 1Mo).
Improvisation non supervisée 2008 (500 Ko).
Apprentissage supervisé
Voir le cours: algorithme de la rétropropagation de l'erreur).L'ensemble d'apprentissage se réduit à seulement deux couples:
Entrée = valeurs hautes du signal, Sortie = Position debout.
Entrée = valeurs basses du signal, Sortie = Position accroupie.
Après apprentissage, la danseuse virtuelle est capable d'interpréter correctement n'importe quel signal:
On peut voir sur la première vidéo le signal (issu du deuxième capteur du fichier continu_rigide_2.tab) connecté à la couche d'entrée du réseau (en vert), transitant par la couche cachée (en jaune) et donnant lieu, sur la couche de sortie (neurones moteurs en rouge) à une activité musculaire en phase avec le signal (valeurs hautes: position debout et valeurs basses: position accroupie).
Apprentissage non supervisé
Voir l'article: méthode de la cohérence de flux:On peut voir sur la deuxième vidéo une fenêtre d'analyse du signal (mémoire de travail d'une seconde en vert) connecté à la couche d'entrée du réseau (en vert), et donnant lieu, sur la couche de sortie (neurones moteurs en rouge) à l'activité musculaire, visualisée sur la fenêtre de sortie (en rouge), ces deux flux sont maintenus en phase en minimisant l'erreur (courbe en jaune à droite).