IA - Intelligence artificielle - exemple - réseau de neurones

Soyez le premier à donner votre avis sur cette source.

Vue 2 093 fois - Téléchargée 450 fois

Description

IA, machine learning, intelligence artificielle, algorithme de réseau de neurones artificiels :
exemple de code source utilisant la programmation d'algorithmes de réseau de
neurones artificiels de type perceptron monocouche (machine learning) pour apprendre
les formes créées. Le réseau de neurones artificiels ici permet la reconnaissance
de formes déssinées en temps réel grâce à un apprentissage de type supervisé.
L'application fonctionne sous windows ou linux, l'interface graphique est
réalisé avec Tkinter.


1 - Suivis des versions :
- version : 14/08/19
code prêt à l'emploi mais pas encore commenté.

- version : 04/09/19
ajout de la possibilité de créer des variantes aux formes enregistrées. Des
corrections, ajouts de fonctionnalités, et améliorations pour la lisibilité
du code sont toujours en cours.

2 - outils nécessaires pour faire fonctionner l'application :
Sous windows :
- version minimum de Python installée : 3.6
- modules Python intallés : Dill

Sous linux :
- version minimum de Python installée : 3.6
- paquets supplémentaires nécessaires :
python3-dev python3-tk python3-pip
- modules Python intallés : setuptools Dill


3 - Fonctionnement de l'application :
- cadre "Forme déssinée" :
- clique gauche de la souris -> créer un pixel
- clique droit de la souris -> éffacer un pixel précédemment créé
- tour de la molette -> changer le nom de la forme à corriger
- clique sur la molette -> corriger la forme sélectionnée

- avec touche Ctrl gauche appuyé :
- tour de la molette -> changer la forme enregistrée affichée
- clique sur la molette -> crée une variante à la forme enregistrée affichée

- avec touche Ctrl gauche et shift gauche appuyés :
- tour de la molette -> changer la variante de la forme enregistrée affichée


- cadre "Forme reconnue" :
- Affiche la forme reconnue.

- Bouton "Apprentissage automatique" :
- le réseau de neurones apprend les formes jusqu'à qu'il les reconnaisse
toutes telles qu'elles ont été déssinnées lors de leurs création.
ce bouton est a utiliser de préférence une fois toutes les formes
créées ou quand le réseau de neurones a un taux d'érreur trop élevé.

- Bouton "Corriger" :
- sert à apprendre une forme légèrement différente de la forme déssinée
lors de sa création.
ex: on dessine une lettre 'A' qui a seulement 3 pixels de différence
avec la lettre 'A' que l'on avait créée précédemment, mais le réseau
de neurones reconnait une autre lettre. Dans ce cas on sélectionne
le nom de la lettre à corriger dans la combo box "nom de la forme à
corriger" puis on clique sur corriger, le réseau va alors corriger les
neurones et va reconnaitre alors la bonne lettre: 'A'). Au bout de
quelques milliers d'itérations le reseau de neurones reconnaitra à
presque 100% (voir meme 100% ) toutes les formes créées et leurs variantes.

- Bouton "Ajouter" :
crée une variante à la forme enregistrée selectionnée.

- entrée "maximum d'itérations" :
- nombre maximum de corrections effectuées lors d'un apprentissage
automatique du réseau de neurones. Doit rester bas de préférence
lors d'un apprentissage d'une grande quantité de formes créées pour
ne pas paralyser l'application.

- entrée "valeur de correction" :
- valeur utilisée pour chaque correction de neurones lors de
l'apprentissage du réseau de neurones. doit être positive et rester
basse de préference pour un apprentissage rapide.


4 - Autres détails :
Le code a été organisé en suivant le design pattern : "model view presenter".

Si jamais vous rencontrez un problème avec l'application, ou si vous avez des
suggestions : n'hésitez pas à me le dire dans les commentaires.

Codes Sources

A voir également

Vous n'êtes pas encore membre ?

inscrivez-vous, c'est gratuit et ça prend moins d'une minute !

Les membres obtiennent plus de réponses que les utilisateurs anonymes.

Le fait d'être membre vous permet d'avoir un suivi détaillé de vos demandes et codes sources.

Le fait d'être membre vous permet d'avoir des options supplémentaires.