chapitre2 - Chapitre 2 Mod`ele de neurone et r´eseau Dans...

Info iconThis preview shows pages 1–3. Sign up to view the full content.

View Full Document Right Arrow Icon

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: Chapitre 2 Mod`ele de neurone et r´eseau Dans ce chapitre, nous pr´esentons le mod`ele math´ematique que nous emploierons dans les cha- pitres suivants pour d´ecrire, d’une part, un neurone artificiel et, d’autre part, un r´eseau de neurones complet, c’est-`a-dire un ensemble de neurones reli´es en r´eseau. Le mod`ele que nous pr´esentons dans ce chapitre est celui de base, commun `a beaucoup d’architectures. Il n’est cependant pas uni- versel, nous pr´esenterons dans les chapitres subs´equents les diff´erentes variantes au fur et `a mesure qu’il sera n´ecessaire de le faire. 2.1 Notations Tout au long de cet ouvrage, nous tenterons d’adopter une notation math´ematique coh´erente. Les principales notations que nous adopterons sont ´enum´er´ees ci-dessous. Il n’est pas n´ecessaire de tout m´emoriser d’un seul coup, on pourra au besoin s’y rapporter plus tard. Concepts de base – Les scalaires seront d´esign´es par des lettres minuscules italiques : p. ex. a , b , c . . . – Un « vecteur » d´esigne une colonne de nombres. – Les vecteurs seront repr´esent´es par des minuscules grasses ( « bold » ) non italiques : p. ex. a , b , c . . . – Une « matrice » d´esigne un tableau de nombres ayant un certain nombre de lignes et de colonnes. – Les matrices seront d´enot´ees par des majuscules grasses ( « bold » ) non italiques : p. ex. A , B , C . . . – Un « vecteur-rang´ee » est une rang´ee d’une matrice utilis´ee comme un vecteur (donc une rang´ee transpos´ee). 5 6 CHAPITRE 2. MOD ` ELE DE NEURONE ET R ´ ESEAU Poids d’une couche de neurones – W k ( t ) d´esigne la matrice des poids pour la couche k d’un r´eseau au temps t . – w k j ( t ) d´esigne le vecteur correspondant `a la colonne j de W k ( t ) . – i w k ( t ) d´esigne le vecteur-rang´ee correspondant `a la ligne i de W k ( t ) . – w k i,j ( t ) d´esigne l’´el´ement ( i, j ) de W k ( t ) ( i d´esigne toujours une ligne et j une colonne). Biais d’une couche de neurones – b k ( t ) d´esigne le vecteur des biais pour la couche k d’un r´eseau au temps t . – b k i ( t ) d´esigne l’´el´ement i de b k ( t ) . Stimulus d’un r´eseau – p ( t ) d´esigne un vecteur stimulus pr´esent´e `a l’entr´ee d’un r´eseau au temps t . – p i ( t ) d´esigne l’´el´ement i de p ( t ) . Niveaux d’activation d’une couche de neurones – n k ( t ) d´esigne le vecteur des niveaux d’activation pour la couche k d’un r´eseau au temps t . – n k i ( t ) d´esigne l’´el´ement i de n k ( t ) . Sorties d’une couche de neurones – a k ( t ) d´esigne un vecteur des sorties pour la couche k d’un r´eseau au temps t ....
View Full Document

This note was uploaded on 10/10/2010 for the course GIF 7005 taught by Professor Gagne during the Spring '09 term at Université Laval.

Page1 / 11

chapitre2 - Chapitre 2 Mod`ele de neurone et r´eseau Dans...

This preview shows document pages 1 - 3. Sign up to view the full document.

View Full Document Right Arrow Icon
Ask a homework question - tutors are online