Réseaux de neurones peu profonds multicouches et apprentissage par rétropropagation

La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Le réseau de neurones feedforward peu profond multicouche peut être utilisé à la fois pour les problèmes d'ajustement de fonction et de reconnaissance de formes. Avec l'ajout d'une ligne à retard (TDL), il peut également être utilisé pour les problèmes de prédiction, comme indiqué dans Design Time Series Time-Delay Neural Networks. Cette rubrique montre comment vous pouvez utiliser un réseau multicouche. Elle illustre également les procédures de base du design de tout réseau de neurones.

Remarque

Les fonctions d’apprentissage décrites dans cette rubrique ne concernent pas uniquement les réseaux multicouches. Elles peuvent être utilisées pour entraîner des architectures arbitraires (voir même des réseaux personnalisés), à condition que leurs composants soient différentiables.

Le workflow du processus général de design d’un réseau de neurones comporte sept étapes principales :

Collecter des données
Créer le réseau
Configurer le réseau
Initialiser les poids et les biais
Entraîner le réseau
Valider le réseau (analyse post-apprentissage)
Utiliser le réseau

L'étape 1 peut se dérouler en dehors du cadre du logiciel Deep Learning Toolbox™, mais cette étape est cruciale pour la réussite du processus de design.

Ce workflow est abordé de manière détaillée dans les sections suivantes :

Les étapes facultatives du workflow sont abordées dans les sections suivantes :

Pour les séries temporelles, la modélisation dynamique et la prédiction, veuillez consulter la section suivante :

How Dynamic Neural Networks Work