Cohérence de flux
Principe
Cette application montre:
comment construire un réseau neuronal complètement connecté adaptatif de type
voisin
par génération de flux d´entrée et adaptation automatique du flux de sortie.
comment utiliser un tel réseau.
Contenu
Dossier env
Contenant
*.res: fichiers réseaux neuronaux.
anyflo.js
Java scrypte de lancement en format vidéo.
initb.h
Fichier de configuration dans le dossier env de la racine distribution.
coherence.func
Fonction en langage anyflo.
coherence.htm
Ce fichier.
coherence.js
Java scrypte de lancement de l´application.
Les menus
Menu principal
Sous menu des motifs
Sous menu des réseaux neuronaux
Menu principal
MEN: menu principal.
HEL: help de ce menu.
RES: sous menu des réseaux neuronaux.
MOTIF: sous menu des motifs.
EXI: quitter.
Sous menu des réseaux neuronaux
RES: ce sous menu.
HEL: help de ce sous menu.
LIR: cliquer sur un nom.res.
CRE: création du réseau 1 de type voisin.
AFF: affichage des motifs, des lois, des neurones et de leurs connexions.
MAT: affichage de la matrice.
APP: apprentissage.
VAR: variation automatique des motifs, choisir les incréments d´angles dan1 et dan2.
GAR: cliquer sur un nom.res.
Sous menu des motifs
MOTIF: ce sous menu.
HEL: help de ce sous menu.
LIR: cliquer sur un nom.alp, le fichier est chargé dans les motifs du ré.
ALEA: choisir l'amplitude de la memoire de travail nb et lse dimensions nx,ny des motifs.
Une séquence complète
Premières manipulations
Cliquer sur RES.
Le message clignotant Cliquer sur CRE indique la marche à suivre.
Cliquer sur CRE.
Le message generer reseau(1) indique que le réseau 1 a été construit.
Le message clignotant Cliquer sur MOTIF indique la marche à suivre.
Cliquer sur MOTIF.
Le message clignotant Cliquer sur LIR ou ALEA indique la marche à suivre.
Cliquer sur LIR.
Le message clignotant Cliquer sur un nom.alp indique la marche à suivre.
Cliquer sur chiffres_arabes.alp.
Les matrices lues sont affichées.
Le message clignotant Cliquer sur RES->APP indique la marche à suivre.
Cliquer sur RES puis sur APP.
Les motifs (chiffres arabes) sont affichés en vert.
Les lois (chiffres chinois) sont affichés en vert.
La courbe des erreurs est affichée en blanc, descend rapidement aud essous de 50% et tend vers zéro.
Le message clignotant Cliquer sur un motif (rouge) indique la marche à suivre.
Cliquer sur un motif rouge, celui-ci est affiché en orange à droite et son transformé
par le réseau est affiché en cyan au dessous.
Manipulations avancées
Il se peut, si les lois sont très différentes des motifs, que le réseau ne converge pas:
augmenter le nombre de couches cachées cahc, s´il n´y a toujours pas convergence cliquer sur
NOISE au dessous de la courbe des erreurs, l'apprentissage est alors relancé à partir d´une
nouvelle matrice de poids synaptiques aléatoires. On peut aussi modifier l´amplitude de variation des
constantes d´apprentissage coe1 et coe2.
On peut construire d´autres fichiers .alp de matrices de mêmes nombres de lignes et de
colonnes.
Utilisations
Reconnaissance de formes
Correspondance
Reconnaissance de formes
Il suffit de charger des lois identiques aux motifs pour que le réseau fonctionne en
reconnaissance de formes.
Activer l´échelle alea qui a pour effet de bruiter le motif d´entrée,
le réseau reconnait toujours la forme, ce qui montre la propriété de
généralisation des réseaux neuronaux qui sont capables de reconnaître
des motifs non appris.
Correspondance
Si les lois sont différentes des motif on a là un moyen de faire correspondre des sorties
avec des entrées avec l´avantage que les données peuvent être bruitées
et qu´un couple (E,S) non appris sera quand même reconnu.
Ces propriétés sont utilisées dans le mime virtuel pour doter le mime
d´une certaine autonomie en lui donnant la possibilité de dépasser la simple copie.