Rapport de TP2
Elaboré par:
AATMANE Soukaina
BENSOUDA KORACHI El Ghali
MRANI ALAOUI Ouafae
KAYEYE Mlica Ornella
Encadré par:
M. IBN ELHAJ
Abstract
Un perceptron multicouche est une classe de réseau neuronal artificiel à action an-
ticipée. Le terme MLP est utilisé de manière ambiguë, parfois de manière vague pour
désigner tout ANN à action anticipée, parfois strictement pour désigner des réseaux com-
posés de plusieurs couches de perceptrons.
Contents
1 Introduction 2
2 Code du Perceptron multicouche 3
2.1 Le code complet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Explication du code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.1 Fonction sigmoid . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.2 l’erreur quadratique moyenne . . . . . . . . . . . . . . . . . . . . . . 8
2.2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
References 8
1
Chapter 1
Introduction
Un MLP est constitué d’au moins trois couches de nœuds : une couche
d’entrée, une couche cachée et une couche de sortie. À l’exception des nœuds
d’entrée, chaque nœud est un neurone qui utilise une fonction d’activation
non linéaire. La MLP utilise une technique d’apprentissage supervisé appelée
rétropropagation pour la formation. Ses multiples couches et son activation
non linéaire distinguent la MLP d’un perceptron linéaire. Elle peut distinguer
les données qui ne sont pas séparables de manière linéaire .
2
Chapter 2
Code du Perceptron multicouche
2.1 Le code complet
En utilisant Spyder,Voila le code:
3
4
En executant ce dernier:
5
6
2.2 Explication du code
2.2.1 Fonction sigmoid
d e f s i g m o i d ( var ) :
y=1/(1+np . exp(− var ) )
return y
sigmoid(x)= 1/ 1+e-x est parfois aussi connu sous le nom de fonction logistique. Il
s’agit d’une fonction non linéaire utilisée non seulement dans l’apprentissage automatique
(régression logistique), mais aussi dans l’apprentissage approfondi.
7
2.2.2 l’erreur quadratique moyenne
L’erreur quadratique moyenne ( MSE ) ou écart moyen quadratique ( MSD ) d’un
estimateur (d’une procédure d’estimation d’ une quantité non observée) mesure la moyenne
des carrés des erreurs , c’est la différence quadratique moyenne entre l’estimée valeurs et
ce qui est estimé. MSE est une fonction de risque , ce qui correspond à la valeur attendue
de la perte d’erreur quadratique.
2.2.3 Conclusion
Ce TP a constitué pour nous une opportunité d’utilisation de ce logiciel ”Spyder” afin
de faciliter notre assimilation du cours et savoir comment construire un réseau multicouche
de neurone MLP.
