Scribd
Importer
7 vues2 pages

Solutions Exercices Deep Learning 2021

Le document présente les solutions d'exercices pour un module de Deep Learning dans un Master 2 SDS. Il aborde des concepts d'apprentissage supervisé et non supervisé, ainsi que des exemples d'initialisation et de mise à jour des poids dans un perceptron. De plus, il décrit un codage binaire pour des chiffres et propose une architecture de perceptron pour déterminer si un chiffre est pair ou non.

Transféré par

Salma Smaoui
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
7 vues2 pages

Solutions Exercices Deep Learning 2021

Le document présente les solutions d'exercices pour un module de Deep Learning dans un Master 2 SDS. Il aborde des concepts d'apprentissage supervisé et non supervisé, ainsi que des exemples d'initialisation et de mise à jour des poids dans un perceptron. De plus, il décrit un codage binaire pour des chiffres et propose une architecture de perceptron pour déterminer si un chiffre est pair ou non.

Transféré par

Salma Smaoui
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Module Deep Learning (Master 2 SDS) 2020/2021

Solution de Série d’exercice N°1


Solution Exercice 1 :

R1- Apprentissage supervisé (classification binaire).

R2- 1, 3, 4. (2 se résout par des algorithmes de recherche sur graphe, 5 par des algorithmes de
traitement du signal).

R3- Non supervisé.

R4- Apprentissage supervisé (classification multi-classe).

R5- Apprentissage non supervisé (clustering).

Solution Exercice 2 :

- Soit la base d’exemple d’apprentissage : x1 et x2 sont les entrées et d est la sortie


désirée : (ei est l’entrée numéro i ayant 2 paramètres x1 et x2)
- X1 X2 d
f(x1=0, x2=0)=0 e1 0 0 0
f(x1=1, x2=0)=1 e2 1 0 1
Base d’apprentissage
f(x1=0, x2=1)=1 e3 0 1 1
f(x1=1, x2=1)=1
e4 1 1 1

1. Initialisation : w1 = -0.2, w2= +0.1, θ=0.2, η=+0.1


2. S1(e1) = w1*x1+w2*x2 - θ = -0.2*0 + 0.1*0 - 0.2 = -0.2 ;
3. 𝑓(s1) = 𝑓(-0.2)=0 , la sortie désiré de e1 : d(e1)=0 ,
tanque 𝑓(e1) =d(e1)→ donc pas de modification des poids wi.
2. S2(e2)= -0.2*1 + 0.1*0 -0.2 = -0.4 → S2<0 donc 𝑓(S2) = 0
3. 𝑑(𝑒2 ) = +1 ≠ 𝑓(𝑆2 (𝑒2 )) donc modification des poids
𝒘𝒊 (𝒕 + 𝟏) = 𝒘𝒊 (𝒕) + 𝜼(𝒅 − 𝒚)𝒙𝒊
4. 𝑤1 = −0.2 + 0.1. (d(𝑒2 ) − 𝑓(𝑆2 (𝑒2 ))). (1) = −0.2 + 0.1 ∗ (1 − 0) ∗ 1 = −0.1
𝑤2 = +0.1 + 0.1. (1 − 0). (0) = +0.1
Continuer à calculer 𝑓(ei) et comparer le résultat avec d(ei) si ne sont pas égaux alors
modifier les poids wi jusqu’à ce que tous les exemples d’apprentissage ei de la base seront
correctement traité (erreur =0), donc l’apprentissage se terminera.
Solution d’exercice 3 :
Module Deep Learning (Master 2 SDS) 2020/2021

- Proposer un codage binaire de chaque chiffre :


chaque chiffre est écrit sur une rétine à 7 leds. Chaque led est codé par 0 ou 1 , à savoir s’il est
allumé donc 1 sinon 0. Donc chaque chiffre est codé sur 7 bits (x1,x2,x3,…x7)
X1=1

X2=1
X6=0
X7=1

X5=1 X3=0

X4=1

Exemple chiffre 2 est représenté par 1101101.

- Donner l’architecture du perceptron qui permet de décider si le chiffre est pair ou non.

X1
X2 w1
X3 w2
X4 S
X5 ∑ f
X6
X7 W7

- Déterminer la base d’apprentissage du perceptron.


Un échantillon d'apprentissage complet est le suivant :chaque entrée correspond à une
sortie 0 ou 1 qui indique si l’entrée est un chiffre paire ou non.
S = {(1111110, 0) , (0110000, 1), (1101101, 0), (1111001, 1), (0010011, 0),
(1011011, 1), (0011111, 0), (1110000, 1), (1111111, 0), (1111011,1)}.
- Pour calculer les poids wi exécuter l’algorithme d’apprentissage d’un perceptron, voir le
cours.

Vous aimerez peut-être aussi