Régler les poids à la mano, c'est pas du tout de l'apprentissage, c'est une sorte de tuning manuel. L'apprentissage ça doit être automatique.
Apprendre à partir d'exemples, c'est ce qu'on appelle l'apprentissage supervisé, par opposition à apprentissage non supervisé.
L'apprentissage non supervisé, grosso modo, c'est apprendre quand on a pas d'information préalable sur les données qu'on va traîter.
Si on prends l'exemple de la reconnaissance d'écriture par exemple, l'apprentissage supervisé ce serait:
J'ai une base de donnée de dessin de "R", je les donne à manger à l'algo d'apprentissage en lui disant qu'il doit les classer comme des "R", je recommence avec des "A", ...
Ensuite tu lui file un dessin, et il doit trouver quelle lettre ton dessin représente.
L'apprentissage non supervisé, il ne connait pas les classes au préalable, et il doit trouver tout seul que deux "R" sont dans la même classe, que les "A" se ressemblent tous mais qu'ils sont différents des "R", donc créer deux classes "A" et "R".
Pour finir, j'y connais pas grand chose en réseau de neurone, mais utiliser des algo génétiques pour fixer les poids d'un réseau neuronal, ça a l'air plutôt avancé et de ma petite fenêtre j'ai pas vu ça dans les algo "classique" d'apprentissage pour un réseau de neurone ...
[^] # Re: Bien
Posté par thoasm . En réponse au journal Des ordinateurs qui pensent.... Évalué à 4.
Régler les poids à la mano, c'est pas du tout de l'apprentissage, c'est une sorte de tuning manuel. L'apprentissage ça doit être automatique.
Apprendre à partir d'exemples, c'est ce qu'on appelle l'apprentissage supervisé, par opposition à apprentissage non supervisé.
L'apprentissage non supervisé, grosso modo, c'est apprendre quand on a pas d'information préalable sur les données qu'on va traîter.
Si on prends l'exemple de la reconnaissance d'écriture par exemple, l'apprentissage supervisé ce serait:
J'ai une base de donnée de dessin de "R", je les donne à manger à l'algo d'apprentissage en lui disant qu'il doit les classer comme des "R", je recommence avec des "A", ...
Ensuite tu lui file un dessin, et il doit trouver quelle lettre ton dessin représente.
L'apprentissage non supervisé, il ne connait pas les classes au préalable, et il doit trouver tout seul que deux "R" sont dans la même classe, que les "A" se ressemblent tous mais qu'ils sont différents des "R", donc créer deux classes "A" et "R".
Pour finir, j'y connais pas grand chose en réseau de neurone, mais utiliser des algo génétiques pour fixer les poids d'un réseau neuronal, ça a l'air plutôt avancé et de ma petite fenêtre j'ai pas vu ça dans les algo "classique" d'apprentissage pour un réseau de neurone ...