| Cette fenêtre donne une vue graphique de la pertinence des neurones cachés du modèle.
|
|
|
|
|
|
| Chaque neurone caché est représenté par une zone horizontale jaune si la pertinence est supérieure à 50%, rouge autrement.
|
|
|
| ©Neuro One effectue une analyse de Gramm-Schmidt suivie d'un calcul de pertinence par la méthode de la sonde aléatoire sur les noeuds du réseau directement connectés à la sortie. Si le neurone de sortie est linéaire, cette analyse est particulièrement pertinente car la valeur de la sortie est une combinaison linéaire des ces contributions.
|
|
|
| Cliquez sur le bouton "Appliquer la sélection" pour éliminer du réseau les contribution de pertinence inférieure à 50%.
|
|
|
| Remarque : En règle générale, cette analyse doit être faire sur un modèle après apprentissage. Cependant, lorsque les noeuds contributifs à la sortie sont directement dépendant des entrées, comme dans un modèle polynômial, cette analyse peut être faite avant apprentissage. Elle permet alors d'obtenir très rapidement le modèle polynômial le plus maigre possible.
|
|
|
NETRAL - Neuro One 6