Réseau de neurones artificiels pour la reconnaissance de cercles , rectangles et triangles

Soyez le premier à donner votre avis sur cette source.

Vue 15 245 fois - Téléchargée 1 753 fois

Description

Ben tout est dans le titre : c'est un réseau de neurones artificiels de type MLP ( perceptron multi-couches ) qui permet ici de reconnaitre des formes dessinées par l'utilisateur à l'écran ( pour le moment 3 types : cercles , rectangles/carrés , et triangles ), mais qui peut être utilisé pour des lettres, chiffres...

Ce réseau n'est pas parfait à 100%, il fait des petites erreurs de temps en temps, mais c'est du au fait que je n'ai pas encore eu le temps de lui donner une base de donnée plus grande ( 256 modèles ici ) ni de le laisser apprendre plus longtemps ( mais ça vous pouvez le faire , ça fait partie des fonctionnalités du programme d'ailleurs ).

Le code n'est peut-être pas très optimisé, donc si vous avez des remarques là-dessus elles sont bienvenues...

Source / Exemple :


contient l'executable à renommer en .exe à la place de .ex_

Codes Sources

A voir également

Ajouter un commentaire Commentaires
Messages postés
1
Date d'inscription
mardi 17 novembre 2009
Statut
Membre
Dernière intervention
17 mars 2010

Salut
j’ai telecharger le zip de l’application (RÉSEAU DE NEURONES ARTIFICIELS POUR LA RECONNAISSANCE DE CERCLES) mais je c’est pas comment je l'execute.
merci pour la réponse
Messages postés
3
Date d'inscription
vendredi 7 mai 2004
Statut
Membre
Dernière intervention
21 avril 2008

Pour être franc j'ai choisi ce type de réseau simplement parce que c'est le seul type que l'on a pu voir en cours... Pour le 0.5, il s'agit d'une valeur empirique fixée entre 0 et 1, et il se trouve que 0.5 donnait les meilleures performances au réseau... mais il faut le déterminer "expérimentalement"...
Messages postés
63
Date d'inscription
mercredi 23 janvier 2002
Statut
Membre
Dernière intervention
16 avril 2008

Bonjour Pingujedi01,
J'arrive, après lecture du livre de Claud Touzet que tu nous conseilles en commentaire de source, à comprendre comment l'ensemble fonctionne mais je ne comprend pas quels sont les critères qui t'ont ammené à fixer un seuil d'activation (THRESHOLD) de 0.5 et pas une autre valeur.
Aussi, qu'est ce qui t'as ammené à choisir un reseau neuronal où la couche d'entrée est connectée à la 2ème mais aussi à la couche de sortie...aurais-tu pu choisir un reseau MLP du type 1ère couche->2ème couche->3ème couche mais sans la connection 1->3, avec les mêmes resultats?

Merci d'avoir partagé ta source qui m'a permis de voir concrêtement une application aux réseaux de neurones :D.

eedy.
Messages postés
127
Date d'inscription
lundi 11 octobre 2004
Statut
Membre
Dernière intervention
18 mai 2016

Source intéressante.
Reste plus qu'à mettre la reconnaissance des caractères :)
Messages postés
3
Date d'inscription
vendredi 7 mai 2004
Statut
Membre
Dernière intervention
21 avril 2008

oui j'ai et trouvé pourquoi, c'est à cause du "j" : en fait j étant déjà utilisé pour compter le nombre de neurones de sortie par la fonction set_prototype , il ne peut pas être utilisé en parallèle pour indiquer le numéro du modèle... je viens de réparer ça.

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.