{"id":8016,"date":"2020-03-19T15:59:02","date_gmt":"2020-03-19T14:59:02","guid":{"rendered":"https:\/\/complex-systems-ai.com\/?page_id=8016"},"modified":"2022-12-03T23:03:51","modified_gmt":"2022-12-03T22:03:51","slug":"perceptron-fr","status":"publish","type":"page","link":"https:\/\/complex-systems-ai.com\/en\/neural-algorithms-2\/perceptron-en\/","title":{"rendered":"Perceptron"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-page\" data-elementor-id=\"8016\" class=\"elementor elementor-8016\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-9c6dd42 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"9c6dd42\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-46d3ee6\" data-id=\"46d3ee6\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-de7c494 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"de7c494\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/algorithmes-neuronaux\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Algorithmes neuronaux<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-bc66b3e\" data-id=\"bc66b3e\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-6ecfa69 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"6ecfa69\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Page d'accueil<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-c6e3d01\" data-id=\"c6e3d01\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-e74e32d elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"e74e32d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/fr.wikipedia.org\/wiki\/Perceptron\" target=\"_blank\" rel=\"noopener\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Wiki<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-3599184 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"3599184\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-41bbd33a\" data-id=\"41bbd33a\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-69b32504 elementor-widget elementor-widget-text-editor\" data-id=\"69b32504\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Contenus<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/complex-systems-ai.com\/en\/neural-algorithms-2\/perceptron-en\/#Perceptron\" >Perceptron<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Perceptron\"><\/span>Perceptron<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p class=\"has-text-align-justify\">Le Perceptron s&rsquo;inspire du traitement de l&rsquo;information d&rsquo;une seule cellule neuronale (appel\u00e9e neurone). Un neurone accepte les signaux d&rsquo;entr\u00e9e via son axone, qui transmettent le signal \u00e9lectrique au corps cellulaire. Les dendrites transmettent le signal aux synapses, qui sont les connexions des dendrites d&rsquo;une cellule aux axones d&rsquo;autres cellules. Dans une synapse, l&rsquo;activit\u00e9 \u00e9lectrique est convertie en activit\u00e9 mol\u00e9culaire (mol\u00e9cules de neurotransmetteurs traversant la fente synaptique et se liant aux r\u00e9cepteurs). La liaison mol\u00e9culaire d\u00e9veloppe un signal \u00e9lectrique qui est transmis \u00e0 l&rsquo;axone des cellules connect\u00e9es.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">L&rsquo;objectif de traitement de l&rsquo;information de la technique est de mod\u00e9liser une fonction donn\u00e9e en modifiant les pond\u00e9rations internes des signaux d&rsquo;entr\u00e9e pour produire un signal de sortie attendu. Le syst\u00e8me est form\u00e9 \u00e0 l&rsquo;aide d&rsquo;une m\u00e9thode d&rsquo;apprentissage supervis\u00e9, o\u00f9 l&rsquo;erreur entre la sortie du syst\u00e8me et une sortie attendue connue est pr\u00e9sent\u00e9e au syst\u00e8me et utilis\u00e9e pour modifier son \u00e9tat interne. L&rsquo;\u00e9tat est maintenu dans un ensemble de pond\u00e9rations sur les signaux d&rsquo;entr\u00e9e. Les poids sont utilis\u00e9s pour repr\u00e9senter une abstraction de la mise en correspondance des vecteurs d&rsquo;entr\u00e9e avec le signal de sortie pour les exemples auxquels le syst\u00e8me a \u00e9t\u00e9 expos\u00e9 pendant la formation.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">Le Perceptron est compos\u00e9 d&rsquo;une structure de donn\u00e9es (poids) et de proc\u00e9dures distinctes pour la formation et l&rsquo;application de la structure. La structure n&rsquo;est en r\u00e9alit\u00e9 qu&rsquo;un vecteur de poids (un pour chaque entr\u00e9e attendue) et un terme de biais.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">L&rsquo;algorithme suivant fournit un <a href=\"https:\/\/complex-systems-ai.com\/en\/algorithmic\/pseudo-language-and-flowchart\/\">pseudocode<\/a> pour l&rsquo;apprentissage du Perceptron. Un poids est initialis\u00e9 pour chaque entr\u00e9e plus un poids suppl\u00e9mentaire pour un biais constant qui est presque toujours fix\u00e9e \u00e0 1,0. L&rsquo;activation du r\u00e9seau \u00e0 un mod\u00e8le d&rsquo;entr\u00e9e donn\u00e9 est calcul\u00e9e comme suit:<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"aligncenter wp-image-8019 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc1.png\" alt=\"Perceptron\" width=\"319\" height=\"58\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc1.png 319w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc1-300x55.png 300w\" sizes=\"(max-width: 319px) 100vw, 319px\" \/><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">o\u00f9 n est le nombre de poids et d&rsquo;entr\u00e9es, x_ki est le k-\u00e8me attribut sur le i-\u00e8me motif d&rsquo;entr\u00e9e, et w_bias est le poids de biais. Les poids sont mis \u00e0 jour comme suit:<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"aligncenter wp-image-8020 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc2.png\" alt=\"Perceptron\" width=\"309\" height=\"37\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc2.png 309w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc2-300x36.png 300w\" sizes=\"(max-width: 309px) 100vw, 309px\" \/><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">o\u00f9 w_i est le i-\u00e8me poids aux temps t et t + 1, \u03b1 est le taux d&rsquo;apprentissage, e(t) et a(t) sont la sortie r\u00e9elle attendue au temps t, et x_i est la i-\u00e8me entr\u00e9e. Ce processus de mise \u00e0 jour est appliqu\u00e9 \u00e0 chaque poids tour \u00e0 tour (ainsi qu&rsquo;au poids de biais avec son entr\u00e9e).<\/p>\n<p><\/p>\n<figure class=\"wp-block-image size-large\"><img fetchpriority=\"high\" decoding=\"async\" class=\"aligncenter wp-image-8021 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc3.png\" alt=\"Perceptron\" width=\"433\" height=\"186\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc3.png 433w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/perc3-300x129.png 300w\" sizes=\"(max-width: 433px) 100vw, 433px\" \/><\/figure>\n<p><\/p>\n<p class=\"has-text-align-justify\">Le Perceptron peut \u00eatre utilis\u00e9 pour approximer des fonctions lin\u00e9aires arbitraires et peut \u00eatre utilis\u00e9 pour des probl\u00e8mes de <a href=\"https:\/\/complex-systems-ai.com\/en\/correlation-and-regressions\/\">r\u00e9gression<\/a> ou de classification. Le Perceptron ne peut pas apprendre un mappage non lin\u00e9aire entre les attributs d&rsquo;entr\u00e9e et de sortie. Le probl\u00e8me XOR est un exemple classique d&rsquo;un probl\u00e8me que le Perceptron ne peut pas apprendre.<\/p>\n<p><\/p>\n<p class=\"has-text-align-justify\">Les valeurs d&rsquo;entr\u00e9e et de sortie doivent \u00eatre normalis\u00e9es de telle sorte que chaque x soit dans [0; 1]. Le taux d&rsquo;apprentissage \u03b1 dans [0; 1] contr\u00f4le la quantit\u00e9 de changement que chaque erreur a sur le syst\u00e8me, les apprentissage inf\u00e9rieurs sont courants tels que 0,1. Les poids peuvent \u00eatre mis \u00e0 jour en ligne (apr\u00e8s l&rsquo;exposition \u00e0 chaque mod\u00e8le d&rsquo;entr\u00e9e) ou par lots (apr\u00e8s qu&rsquo;un nombre fixe de mod\u00e8les ait \u00e9t\u00e9 observ\u00e9). Les mises \u00e0 jour par lots devraient \u00eatre plus stables que les mises \u00e0 jour en ligne pour certains probl\u00e8mes complexes. <\/p>\n<p class=\"has-text-align-justify\">Un poids de polarisation est utilis\u00e9 avec un signal d&rsquo;entr\u00e9e constant pour assurer la stabilit\u00e9 du processus d&rsquo;apprentissage. Une fonction de transfert par \u00e9tapes est couramment utilis\u00e9e pour transf\u00e9rer l&rsquo;activation vers une valeur de sortie binaire 1&lt;&#8211;activation \u2265 0, sinon 0. Il est recommand\u00e9 d&rsquo;exposer le syst\u00e8me \u00e0 des mod\u00e8les d&rsquo;entr\u00e9e dans un ordre al\u00e9atoire diff\u00e9rent \u00e0 chaque it\u00e9ration. Les poids initiaux sont g\u00e9n\u00e9ralement de petites valeurs al\u00e9atoires, g\u00e9n\u00e9ralement dans [0; 0,5].<\/p>\n<p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Neural Algorithms Wiki Home Page Perceptron The Perceptron is inspired by the information processing of a single neural cell (called a neuron). A neuron accepts input signals... <\/p>","protected":false},"author":1,"featured_media":0,"parent":7157,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-8016","page","type-page","status-publish","hentry"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/pages\/8016","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/comments?post=8016"}],"version-history":[{"count":7,"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/pages\/8016\/revisions"}],"predecessor-version":[{"id":18907,"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/pages\/8016\/revisions\/18907"}],"up":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/pages\/7157"}],"wp:attachment":[{"href":"https:\/\/complex-systems-ai.com\/en\/wp-json\/wp\/v2\/media?parent=8016"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}