Tout ce qu'il faut savoir pour créer vos réseaux de neurones artificiels humains !

La vidéo principale : • Le plus grand réseau d...
Le spreadsheet : docs.google.co...
Cette vidéo a été réalisée par la faculté d'information et de communication de l'École Polytechnique Fédérale de Lausanne.
ic.epfl.ch/

[@Fine_Mouche]

Je vais essayer un jour (atm, je m'en sens pas encore capable mais je peux commencer à Meta structurer la chose, le faire de manière pseudo-algorithmique) en python de créer des petits réseaux de neurones archaïque avec différentes fonctions de de modification de poids, correction et autres avant d'aller lire pourquoi les fonctions sont-elles qu'elles sont.

[@tibo95640]

Bonjour, Sympa comme activité. Ca me donne envie de tester avec mes secondes, même si j'ai un peu peur que ce soit un peu difficile et qu'ils perdent patience … à voir si je trouve des collègues suffisamment motivés tester sur eux avant avant de passer aux élèves. Question que je me pose par contre : Quel est le but de ce réseaux de neurones ? Quel calcul veut-on lui apprendre à faire ? Ou sans aller sur un calcul complexe, est-il possible de lui apprendre à réagir à 2 types d'entrée ? Par exemple, l'entrée (1 -1 1) doit renvoyer 1, et l'entrée (1 2 -1) doit renvoyer 0. Peut-être que je veux un peu trop complexifier la chose pour un réseau si simple ; ou alors cela demanderait trop d'aller retour pour être fait par des humains et dans un temps raisonnable.

[@JodieAsteria]

Deux des neurones de la première couche (le 1 et le 3) ne reçoivent qu'un seul signal. Donc comment faire l'opération ss=s1+s2 ? Est-ce que le résultat doit être ss=unique signal reçu ?

[@Fine_Mouche]

17:26 : justement quelle crédence on peut avoir en la validité des calcules qui ont été menés si le résultat et celui voulu ? (Car 2 erreurs peuvent par chance se compenser par exemple)

[@Fine_Mouche]

18:33 : pourquoi le choix d'une erreur absolue (r-S) par rapport à une erreur relative ? (r/S ou r-S / S je sais plus)

[@dami95ify]

Je serais curieux d'avoir l'explication mathématique et la logique derrière pourquoi cela fonctionne. (exmple: pourquoi ss

[@abellematheux7632]

Qu'on m'explique pourquoi cette vidéo est si peu vue ?!

[@Fine_Mouche]

Si je deviens animateurs pour les p'tits débrouillard, je ferais cette activité de temps en temps dans les centres aérés où j'irais. ^^

[@Fine_Mouche]

On ne pourrait pas créer un Discord (ou un chan d'un discord existant et cohérent avec le projet) pour améliorer le projet et se donner des conseils d'animations ? (C'est à dire la feuille de calcule, voir carrément comme tu proposes, créer un petit logiciel et/ou petit site web).

[@maximemanzano4970]

Bonjour, Tout d'abord c'est super intéressant, merci à vous pour l'idée et les feuilles Excel ! 👌 Je me pose tout de même 2 questions : 1. Y-a-t'il un lien entre les données d'entrée (fournies aux premiers neurones) et le résultat attendu ? 2. Une fois le réseau entraîné, est-ce qu'on observe quelque chose de particulier si on lui donne des données d'entrée différentes ?

[@NaradaMaugin]

Salut, réponse d'un badaud, à confirmer donc par un sachant. 1. Oui bien sûr. Si les données d'entrées sont que des 0 ou que des 1 ça va tout changer. 2. Je ne pense pas que ce soit une bonne idée, parce que le réseau apprend par rapport aux données initiales. Si on les change, il faudra qu'il se réhabitue, donc il va perdre du temps.

[@hlb4590]

1 - si on a deux étiquettes, il faut que les données d'entrée ayant une même étiquette soient plus proches entre elles que des données ayant l'autre étiquette. Par exemple, toutes les données avec étiquette « 1 » ont des valeurs positives et celles avec '0' des valeurs négatives. Ou alors, si on prend l'exemple du spreadshit, on peut prendre des valeurs proches de [1 -1 1] avec étiquette «1 » et proches de [-1 1 -1] avec étiquette 0. Par exemple [0.8 -1.1 0.9] aurait une étiquette « 1 », [-0.95 0.98 -1.06] aurait une étiquette « 0 », etc. 2 - oui, une fois entraîné (mais avec des données 0 et des données 1), quand vous donnerez une donnée d'entrée quelconque elle prédira la bonne étiquette, même si elle ne l'a jamais vu. Avec l'exemple ci-dessus, les données proches de [-1 1 -1] donneront un score final plus proche de 0 que de 1. Mais pour cela, il faut effectivement faire les calculs avec des données différentes, pas seulement [1 -1 1] comme dans la feuille de calcul. Toutefois, rien qu'avec une unique donnée dans cet exemple, on voit très bien que le score final prédit se rapproche de plus en plus de '1' et c'est déjà super pédagogiquement.