TP6 – Réseaux de neurones
Yann.Esposito@lif.univ-mrs.fr
22 septembre 2005
☞ Ce TP à pour but l’étude du comportement des réseaux de neurones. |
Lancez WEKA et lancez l’explorateur. Choisissez le fichier de données Iris.arff. Cliquez sur l’onglet Classify et choisissez le classifieur MultilayerPerceptron (classifiers -> functions).
En laissant les paramètres par défauts et en choisissant le mode d’évaluation Percentage split sur 66%, Lancez l’apprentissage.
1.1. Faites un dessin du réseau de neurone obtenu avec les valeurs associées aux connexions.
1.2. Lisez attentivement l’aide associé au classifieur et imposez au perceptron d’avoir la structure suivante :
1.3. Maintenant imposez au perceptron d’avoir la structure suivante :
2.1. Créez les fichiers csv suivants :
x,v
x0,v0 x1,v1 ... xn,vn |
pour n=4 et 8.
(a) Lancez l’apprentissage en utilisant l’ensemble d’entraînement pour l’évaluation et de façon à avoir une seule couche cachée contenant 1 neurone, puis 2... Jusqu’à ce que vous obteniez 100% de réussite. Combien de neurones ont été nécessaires ?
(b) Quelle explication donnez vous ? En particulier relancez l’apprentissage en cliquant sur "More options..." et en sélection Output predictions.
3.1. Vérifiez sur plusieurs exemples l’influence du nombre de couches sur l’apprentissage. En particulier le nombre d’étapes nécessaires augmente-t-il ? La qualité est-elle meilleure ?
3.2. Vérifiez l’influence du nombre de connexions.
(a) Faites en sorte de créer un réseau qui possède les propriétés suivantes :
Quelle est l’influence de cette modification du réseau ?
(b) Augmentez le nombre de transitions jusqu’à avoir un comportement similaire au réseau complet.
❦