Information

Author(s) Loan
Deadline Keine Frist
Abgabenlimit No limitation

Einloggen

4. [EXO] Conclusion du réseau

Une fois les valeurs des neurones de la dernière couche connues, on peut en tirer des conclusions.
Dans notre cas, les poids que je t'ai donnés ont été choisis de manière à pouvoir différencier une ligne verticale d'une ligne horizontale.
J'ai également choisi que le premier neurone de la couche de sortie représente une ligne verticale, et l'autre la ligne horizontale. Ainsi, plus la valeur du premier neurone de la couche de sortie est grande, plus le réseau pense que c'est une ligne verticale et inversement pour l'autre neurone. Autrement dit, il te suffit de prendre le maximum des deux pour obtenir la conclusion du réseau.

Remarque: ici, nous n'avons pas encore utilisé la fonction sigmoide; les valeurs des neurones de la couche de sortie ne sont pas entre 0 et 1, et ne peuvent donc pas être interprétées comme des probabilités. On peut juste en déduire la conclusion (horizontal ou vertical), pas la probabilité que cette conclusion est juste.

Objectif
Détermine la conclusion du réseau pour les entrés suivantes. La valeurs des neurones de sorties ont déjà été caclulé et te sont données

Question 1:
exConclusion/grid1.svg

Valeur des neurones de sorties : (-158, 158)

Question 2:
exConclusion/grid2.svg

Valeur des neurones de sorties : (56, -56)

Question 3:
exConclusion/grid3.svg

Valeur des neurones de sorties : (-176, 176)

Question 4:
exConclusion/grid4.svg

Valeur des neurones de sorties : (-131, 131)