|
A quoi sert ©Neuro One
|
|
|
| ©Neuro One sert principalement à :
|
|
|
| 1. Construire un modèle adapté à un problème de modélisation statistique
|
| La construction du modèle se fait en exploitant les caractéristiques du problème.
|
|
|
| 1.1 L'utilisateur choisit le type de réseau :
|
| · | statique : problème de type approximation de fonctions, régression non linéaire, classification ;
|
| · | dynamique : problème de type identification des paramètres du modèle d'un processus.
|
|
|
| 1.2 Puis il définit les entrées et sorties de son réseau, ainsi que le nombre de neurones de la couche cachée et leurs fonctions d'activation.
|
|
|
| 1.3. Enfin, l'utilisateur sélectionne les données à partir desquelles le réseau va travailler.
|
|
|
| 2. Estimer les paramètres du modèle (poids synaptiques) à partir des données disponibles au cours de l'apprentissage.
|
| L'utilisateur règle et contrôle l'apprentissage.
|
|
|
| 1. Il définit les réglages de l'apprentissage :
|
|
|
| · | Choix et nombre d'itérations des algorithmes d'apprentissage ;
|
| · | Nombre de fois (époques) où l'ensemble des algorithmes d'apprentissage est appliqué ;
|
| · | Objectif de coût à atteindre (pour arrêter l'apprentissage).
|
|
|
| 2. Puis il exécute, suit et contrôle la qualité de l'apprentissage à l'aide d'un ensemble de graphiques montrant notamment :
|
|
|
| · | l'évolution du coût ;
|
| · | la qualité de l'apprentissage ;
|
| · | l'évolution de l'écart entre les valeurs calculées à partir du modèle et celles fournies par l'utilisateur ;
|
| · | les intervalles de confiance du modèle en fonction des entrées.
|
| · | Enfin, il choisit parmi tous les apprentissages réalisés le meilleur des modèles, en fonction de plusieurs critères de choix.
|
|
|
|
|
| 3. Evaluer les performances du modèle réalisé .
|
|
|
| · | Pour mesurer la qualité globale du modèle après apprentissage, l'utilisateur choisit un ensemble de couples entrées, sorties désirées non utilisés pour l'apprentissage . Neuro One© calcule alors les sorties du modèle en fonction des entrées présentées et les compare aux sorties désirées. Les résultats sont visualisés sous forme de courbes, ce qui permet à l'utilisateur de vérifier la qualité de l'apprentissage.
|
| · | La qualité d'apprentissage étant jugée satisfaisante, l'utilisateur sauvegarde alors son réseau pour l'utiliser ultérieurement.
|
|
|
|
|
| 4. Utiliser le modèle validé.
|
|
|
| · | L'utilisateur sélectionne un jeu de données d'entrées stockées dans un fichier, exécute le programme qui calcule les sorties prévues par le modèle et les intervalles de confiance correspondants. Les résultats sont visualisés sous forme de courbes et enregistrés dans un fichier pour une utilisation éventuelle par d'autres applications.
|
|
|
|
|
|
|
|
|
|
|
|
|